AI Engineer – GenAI & Cloud (f/m/x)

Potrzebujemy inżynierów, którzy budują systemy AI działające poza notatnikiem Jupyter. Przekształcisz architektury zaprojektowane dla rzeczywistych problemów w usługi produkcyjne — niezawodne, obserwowalne i efektywne kosztowo. Twoje codzienne zadania będą obejmować pisanie kodu w Pythonie, łączenie infrastruktury chmurowej oraz rozwiązywanie nieatrakcyjnych problemów, które sprawiają, że AI jest naprawdę użyteczne: jakość danych, opóźnienia, ocena i wdrażanie.

Będziesz pracować w obszarze generatywnej i klasycznej AI — budując systemy AI oparte na wiedzy, integrując LLM-y w aplikacjach, trenując i wdrażając tradycyjne modele ML oraz utrzymując to wszystko w produkcji na Azure, AWS lub GCP.

Co oferujemy:

Grant AI — Przestań mówić o AI i zacznij ją budować. Nasz Grant AI daje Ci dedykowany budżet i zasoby, aby przekształcić Twój najdzikszy pomysł na AI w działający projekt, wspierany przez dwa płatne tygodnie, aby skupić się na niczym innym.

Centrum Doskonałości AI — Pracuj obok specjalistów w dziedzinie agentowej AI, suwerennej AI, generatywnej i dyskryminacyjnej AI. To nie jest zamknięty zespół — to ludzie, od których będziesz się uczyć i z którymi będziesz budować na co dzień.

Twoje narzędzia, Twój wybór — Pełny dostęp do narzędzi rozwojowych wspieranych przez AI, w tym Claude, Cursor i GitHub Copilot. Wybierz to, co najlepiej działa dla Ciebie.

Różnorodność projektów — Od generatywnej AI dla zgodności dokumentów prawnych, przez systemy agentowe w środowiskach produkcyjnych, po platformy AI na dużą skalę, wizję komputerową i autonomiczne prowadzenie. Nie będziesz się nudzić.

Wsparcie w zakresie konferencji i wystąpień — Chcesz uczestniczyć w konferencjach? Pomożemy Ci. Chcesz na nich wystąpić? Jeszcze lepiej — wesprzemy Cię dedykowanym czasem na przygotowanie i bonusami.

Twoje zadania

• Budowanie i wdrażanie systemów AI opartych na wiedzy od początku do końca: pobieranie danych, dzielenie, tworzenie osadzeń, logika wyszukiwania, ponowne sortowanie i generowanie odpowiedzi
• Rozwój aplikacji agentowych — integracje narzędzi, pętle planowania, zarządzanie pamięcią, zabezpieczenia — przy użyciu frameworków takich jak LangGraph, LangChain, Semantic Kernel lub równoważnych
• Implementacja i utrzymanie pipeline'ów ML dla klasycznych przypadków użycia: prognozowanie, klasyfikacja, rekomendacja i modele optymalizacji
• Wdrażanie i optymalizacja infrastruktury serwowania modeli: punkty końcowe API, grupowanie, buforowanie, wykorzystanie GPU i zarządzanie kosztami w różnych środowiskach chmurowych
• Pisanie czystego, przetestowanego kodu produkcyjnego w Pythonie — nie kodu prototypowego, który ktoś inny musi przepisać
• Budowanie pipeline'ów oceny i monitorowania: automatyczne kontrole jakości, wykrywanie driftu, śledzenie opóźnień i pętle feedbackowe z udziałem ludzi
• Praca z chmurowymi usługami AI na co najmniej jednej dużej platformie (Azure, AWS lub GCP) w celu wdrażania skalowalnych rozwiązań
• Współpraca z architektami AI w zakresie projektowania technicznego oraz z inżynierami danych w zakresie dostępności i jakości danych

Wymagania

• Co najmniej 4 lata doświadczenia w inżynierii oprogramowania lub ML, z praktycznym doświadczeniem w dostarczaniu systemów AI/ML do produkcji
• Silne umiejętności w Pythonie — nie tylko skrypty, ale pisanie utrzymywalnego, przetestowanego kodu dla usług produkcyjnych
• Praktyczne doświadczenie z frameworkami AI/ML takimi jak LangChain, LangGraph, Semantic Kernel lub równoważnymi
• Znajomość przynajmniej jednej dużej platformy chmurowej (Azure, AWS lub GCP) i jej usług AI/ML
• Doświadczenie z bazami danych wektorowych, modelami osadzeń i systemami wyszukiwania w aplikacjach rzeczywistych
• Znajomość podstaw MLOps: wersjonowanie modeli, śledzenie eksperymentów, CI/CD dla ML i monitorowanie
• Umiejętność pracy autonomicznej przy jednoczesnej efektywnej współpracy z architektami, inżynierami danych i zespołami produktowymi
• Biegła znajomość języka angielskiego (w mowie i piśmie)
• Biegła znajomość języka polskiego wymagana
• Mieszkanie w Polsce wymagane

Mile widziane

• Doświadczenie w dostrajaniu LLM-ów (LoRA, QLoRA) lub praca z pipeline'ami treningowymi modeli
• Tło w klasycznym ML — scikit-learn, XGBoost, prognozowanie szeregów czasowych lub systemy rekomendacji
• Doświadczenie z wdrożeniami kontenerowymi (Docker, Kubernetes) i infrastrukturą jako kod
• Wkład w projekty open-source AI/ML lub opublikowane pisma techniczne