Senior AI/ML Python Engineer

Szukamy wysoce autonomicznego inżyniera AI/ML, który będzie w stanie samodzielnie projektować, budować, wdrażać, monitorować, zabezpieczać, zarządzać i optymalizować nowoczesne kompleksowe rozwiązania AI/ML i GenAI w całym stosie technologicznym (w tym uczenie maszynowe, LLM, RAG, agentowa AI, chatboty i operacje produkcyjne na skalę przedsiębiorstwa), w tym prognozowanie KRI, wykrywanie anomalii, NL2SQL i wiele innych.

Twoje zadania

• Współpraca z interesariuszami biznesowymi i przekładanie wymagań biznesowych na bezpieczne, skalowalne i zgodne z przepisami rozwiązania AI, zachowując pełną kontrolę nad architekturą, rozwojem, automatycznym wdrażaniem i bieżącym wsparciem operacyjnym po produkcji.

• Projektowanie, budowanie i dostarczanie rozwiązań AI/ML klasy produkcyjnej od koncepcji do wdrożenia.

• ​​Tworzenie asystentów AI, chatbotów, przepływów pracy opartych na agentach i aplikacji opartych na RAG.

• Projektowanie skalowalnych architektur danych, AI i chmury.

• Tworzenie interfejsów API, usług front-end i back-end oraz integracji korporacyjnych.

• Wdrażanie MLOps/LLMOps, monitoringu, ewaluacji i zabezpieczeń.

• Zapewnienie zgodności rozwiązań AI z wymogami bezpieczeństwa, zarządzania i zgodności.

Wymagania

• Min. 7 lat doświadczenia w software engineering, w tym 3+ lata w dostarczaniu produkcyjnych rozwiązań AI/ML.

• Doświadczenie w realizacji i utrzymaniu end-to-end systemów AI, w tym chatbotów, asystentów AI lub rozwiązań agentowych.

• Ekspercka znajomość Python, architektury oprogramowania, testów automatycznych, API, mikrousług oraz środowisk chmurowych.

• Praktyczne doświadczenie z Docker, Kubernetes, CI/CD oraz platformami AWS, Azure lub GCP.

• Bardzo dobra znajomość nowoczesnych LLM (np. GPT, Claude, Gemini, Llama, Mistral) oraz budowy aplikacji opartych o GenAI.

• Doświadczenie w projektowaniu rozwiązań RAG oraz systemów agentowych z wykorzystaniem frameworków takich jak LangChain, LangGraph, Google ADK.

• Znajomość klasycznych technik ML oraz frameworków PyTorch, TensorFlow, Scikit-learn.

• Doświadczenie w obszarze MLOps, monitoringu, ewaluacji i optymalizacji modeli AI.

• Praktyczna wiedza z zakresu AI Security, AI Governance oraz tworzenia skalowalnych platform AI dla przedsiębiorstw.