AI Engineer LLM & Agent Systems

RITS Group to firma informatyczna, która oferuje najwyższej jakości usługi programistyczne zarówno dla rynku polskiego, jak i międzynarodowego. Jesteśmy dumni, że należymy do grona najszybciej rozwijających się spółek technologicznych. Naszym priorytetem jest jakość oraz innowacyjność dostarczanych rozwiązań, a nasza kultura organizacyjna opiera się na zaufaniu, współpracy i ciągłym doskonaleniu. Poszukujemy doświadczonego AI Engineera, który będzie odpowiedzialny za projektowanie, rozwój i wdrażanie zaawansowanych rozwiązań opartych na sztucznej inteligencji, dużych modelach językowych (LLM) oraz systemach agentowych. Szukamy osoby, która łączy solidne kompetencje techniczne z praktycznym doświadczeniem w realizacji projektów AI – od etapu projektowania architektury, przez implementację i optymalizację, aż po wdrożenie i utrzymanie rozwiązań na środowiskach produkcyjnych. Tryb współpracy: hybryda/zdalnie z Warszawy Forma współpracy: B2B Stawka: 145 zł/h netto Zakres obowiązków Projektowanie, rozwój i wdrażanie aplikacji wykorzystujących LLM oraz technologie GenAI. Projektowanie i implementacja architektury RAG (Retrieval-Augmented Generation). Budowa, rozwój i utrzymanie systemów agentowych, w tym definiowanie ról agentów, zarządzanie pamięcią, kontrola kosztów, wydajności i bezpieczeństwa. Integracja rozwiązań AI z istniejącymi systemami biznesowymi, bazami danych oraz API. Optymalizacja modeli i rozwiązań AI pod kątem wydajności, skalowalności oraz kosztów. Wdrażanie modeli AI w środowiskach chmurowych i on-premises, w tym na infrastrukturze GPU. Rozwój procesów MLOps, automatyzacja pipeline’ów oraz wdrażanie praktyk CI/CD. Projektowanie i utrzymanie workflow w n8n oraz integracji służących automatyzacji procesów biznesowych. Analiza i przetwarzanie dużych zbiorów danych oraz integracja AI z systemami klasy BI i ERP. Weryfikacja jakości i skuteczności modeli, przeprowadzanie audytów oraz rekomendowanie kierunków rozwoju rozwiązań AI. Wspieranie zespołów technicznych poprzez mentoring, warsztaty i transfer wiedzy. Wymagania Minimum 5 lat doświadczenia w obszarze Machine Learning lub AI. Udział w co najmniej 2 projektach związanych z Machine Learning/AI. Komercyjne doświadczenie w pracy z systemami LLM/AI, w szczególności w budowie aplikacji opartych na dużych modelach językowych. Praktyczne doświadczenie w projektowaniu i implementacji rozwiązań RAG. Doświadczenie w produkcyjnych wdrożeniach systemów AI. Bardzo dobra znajomość języka Python oraz bibliotek i frameworków ML, takich jak PyTorch lub TensorFlow. Doświadczenie w pracy z vLLM, szczególnie w środowiskach GPU on-premises. Praktyczna znajomość Elasticsearch. Doświadczenie w pracy z relacyjnymi i nierelacyjnymi bazami danych (SQL/NoSQL) oraz bazami wektorowymi, np. Milvus lub Qdrant. Znajomość architektury sieci neuronowych, modeli Transformer oraz technik trenowania i dostrajania modeli GenAI. Doświadczenie w budowie, optymalizacji i wdrażaniu modeli AI w środowiskach chmurowych. Znajomość zagadnień MLOps, automatyzacji procesów ML oraz pipeline’ów CI/CD. Doświadczenie w projektowaniu i utrzymaniu rozproszonych systemów agentowych, z uwzględnieniem bezpieczeństwa, zarządzania pamięcią, kosztów i wydajności. Praktyczna znajomość n8n, w tym projektowania workflow, integracji API i przetwarzania danych. Umiejętność modelowania analitycznego, prognozowania i interpretacji wyników modeli. Doświadczenie w przetwarzaniu dużych zbiorów danych oraz integracji rozwiązań AI z systemami biznesowymi. Znajomość zagadnień bezpieczeństwa i etyki AI, a także regulacji takich jak AI Act i RODO. Umiejętność przeprowadzania audytów modeli AI, raportowania wyników i formułowania rekomendacji. Doświadczenie w mentoringu, prowadzeniu warsztatów lub dzieleniu się wiedzą z zakresu AI. Mile widziane Doświadczenie w projektach AI o dużej skali biznesowej. Certyfikat Microsoft Certified: Azure AI Engineer Associate lub równoważny. Doświadczenie w rozwoju i utrzymaniu rozwiązań AI działających w środowiskach produkcyjnych o wysokich wymaganiach dotyczących wydajności, bezpieczeństwa i skalowalności.