Specjalista AI / Machine Learning Engineer

Klient HRS IT

Miejsce pracy Praca zdalna

Rodzaj umowy Umowa B2B

Opis oferty

Dla naszego Klienta, największego polskiego producenta specjalistycznego oprogramowania wspierającego kompleksowe zarządzanie oświatą -poszukujemy Specjalisty AI / Machine Learning Engineer

Do nowo tworzonego zespołu zajmującego się projektowaniem i wdrażaniem rozwiązań opartych o sztuczną inteligencję poszukujemy osób z silnym zapleczem programistycznym i doświadczeniem w pracy z modelami językowymi (LLM/OLM) oraz bazami wektorowymi.

Kluczowe umiejętności

Programowanie i implementacja modeli

• Bardzo dobra znajomość Pythona – umiejętność pisania czystego, modularnego kodu produkcyjnego.
• Praktyka w pracy z bibliotekami ML/AI: PyTorch, TensorFlow/Keras, scikit-learn, Hugging Face.
• Znajomość narzędzi do przetwarzania danych: NumPy, pandas, a także integracji modeli z zewnętrznymi API.
• Mile widziana znajomość TypeScript, Node.js, Go, itp. w kontekście integracji backendowych.

Modele językowe i OLM

• Doświadczenie w wyborze, porównywaniu i dostrajaniu modeli LLM/OLM (OpenAI, Claude, Mistral, Llama itp.).
• Umiejętność analizy jakości modeli (precision, recall, F1, perplexity) i doboru architektury do konkretnego zadania.
• Znajomość architektur Transformer / LLM, rozumienie prompt engineeringu, kontekstu, tokenizacji i zarządzania pamięcią modeli.
• Umiejętność budowania i trenowania własnych modeli NLP lub adaptacji gotowych (fine-tuning, LoRA, RAG).

Wektory i kontekst

• Doświadczenie w budowie i utrzymaniu baz wektorowych (FAISS, Pinecone, Milvus, Weaviate, Chroma).
• Umiejętność integracji baz wektorowych z modelami LLM (RAG – Retrieval-Augmented Generation).
• Zrozumienie procesów indeksowania, wyszukiwania semantycznego i zarządzania embeddingami.

Architektura i przetwarzanie danych w czasie rzeczywistym

• Umiejętność zaprojektowania i zaimplementowania kompletnej architektury rozwiązania AI, w której:
• użytkownicy korzystają z zasobów bazy wiedzy poprzez interfejs LLM,
• w tle trwa ciągłe douczanie i doładowywanie nowych danych (np. dokumentów, raportów, wiadomości) do bazy wektorowej,
• aktualizacje danych są automatycznie uwzględniane w kolejnych zapytaniach użytkowników.
• Doświadczenie z pipeline’ami danych (np. Airflow, Prefect, Dagster) oraz architekturą event-driven (np. Kafka, Redis Streams).
• Rozumienie procesów wersjonowania danych i modeli, oraz mechanizmów ciągłej aktualizacji wiedzy (continual learning / incremental updates).
• Praktyczne doświadczenie w projektowaniu systemów skalowalnych i odpornych na błędy w środowiskach chmurowych (AWS, GCP, Azure).

Architektury agentowe i MCP

• Praktyczna znajomość frameworków: LangChain, AutoGen, Haystack, LlamaIndex.
• Projektowanie agentów AI potrafiących korzystać z narzędzi, API i podejmować autonomiczne decyzje.
• Znajomość Model Context Protocol (MCP) – tworzenie i integrowanie własnych narzędzi/serwisów z LLM.

Praca z danymi (ważna, ale nie kluczowa)

• Przygotowanie, czyszczenie i augmentacja datasetów.
• Znajomość SQL i narzędzi big data.
• Doświadczenie z danymi nieustrukturyzowanymi (tekst, obraz, audio).

Przykładowe projekty

Wsparcie AI w systemie ERP

Cel: Automatyczne rozliczanie/rozksięgowanie dokumentów w systemach ERP.
Zakres techniczny:

• klasyfikacja i kategoryzacja np. kosztów na podstawie treści faktur, kontrahentów i opisu pozycji,
• integracja z modelami językowymi analizującymi kontekst dokumentów finansowych,
• samouczący się mechanizm, który poprawia trafność klasyfikacji na podstawie działań księgowych,
• skalowanie rozwiązania dla ponad 10 000 instancji małych księgowości w chmurze,
• zastosowanie RAG i baz wektorowych do analizy dokumentów historycznych i podobnych przypadków.

Dynamiczna baza wiedzy dla użytkowników aplikacji chmurowych

Cel: Stworzenie bazy wiedzy aktualizowanej na bieżąco przez II linię wsparcia technicznego.
Zakres techniczny:

• integracja z narzędziami serwisowymi, które automatycznie zapisują porady, odpowiedzi i artykuły jako nowe rekordy wiedzy,
• wykorzystanie LLM do interpretacji i grupowania podobnych przypadków zgłoszeń,
• automatyczne generowanie streszczeń i sugestii rozwiązań dla użytkowników,
• stały proces „douczania” bazy wiedzy, tak by model adaptował się do nowych problemów i tematów,
• dostęp użytkowników poprzez interfejs konwersacyjny (chatbot/agent AI) działający w środowisku chmurowym,
• integracja kontekstowa z aplikacjami udostępnianymi klientom w modelu SaaS.

Oferujemy

• Prywatną opiekę medyczną lub kartę sportową Multisport
• Możliwość rozwoju zawodowego i udziału w projektach o dużej skali oraz realnym wpływie na cyfryzację polskiej oświaty.
• Przyjazną atmosferę oraz wymianę wiedzy w zespole doświadczonych programistów.