AI/ML Engineer (Custom Models, NLP, Python)
GRANTBOT.AI
To rola w startupie budującym platformę AI do automatyzacji procesu pozyskiwania dotacji. Będziesz przechodzić od LLM+RAG do własnych modeli ML/NLP. Na co dzień budujesz i trenujesz modele (PyTorch, HuggingFace), przygotowujesz dane, projektujesz pipeline'y ML, fine-tunujesz LLM, integrujesz modele z backendem (FastAPI) i monitorujesz ich jakość. To praca z unikalnymi danymi i realny wpływ na produkt – nie wrapper na OpenAI.
Brakuje: brak liczby dni pracy z biura, nie opisano procesu rekrutacyjnego.
To rola w startupie budującym platformę AI do automatyzacji procesu pozyskiwania dotacji. Będziesz przechodzić od LLM+RAG do własnych modeli ML/NLP. Na co dzień budujesz i trenujesz modele (PyTorch, HuggingFace), przygotowujesz dane, projektujesz pipeline'y ML, fine-tunujesz LLM, integrujesz modele z backendem (FastAPI) i monitorujesz ich jakość. To praca z unikalnymi danymi i realny wpływ na produkt – nie wrapper na OpenAI.
- ✓Budowa własnych modeli i IP – realna praca ML, nie tylko wrapper API
- ✓Autonomia techniczna i wpływ na wybór narzędzi
- ✓Dostęp do unikalnych danych (wnioski grantowe, scoring)
- ✓Startupowy klimat z szybkimi iteracjami i realnym wpływem na produkt
- !Nie określono liczby dni hybrydowych w biurze
- !Startup z małym zespołem (5 osób) – większa niestabilność
- !Poziom 'regular' ale wymagane 3-5+ lat – może być niedoprecyzowane
- !Brak informacji o procesie rekrutacyjnym
- •Trenowanie i fine-tuning modeli NLP (klasyfikacja, scoring, ekstrakcja) przy użyciu PyTorch/HuggingFace
- •Przygotowywanie datasetów: czyszczenie, augmentacja, labelowanie danych grantowych
- •Projektowanie i implementacja pipeline'ów ML (trening, ewaluacja, iteracja)
- •Rozwój i optymalizacja istniejących pipeline'ów RAG
- •Integracja modeli z backendem (budowa inference endpointów w FastAPI)
- •Monitorowanie jakości modeli i iteracyjne ulepszanie na podstawie feedbacku
- •Eksperymentowanie z różnymi architekturami modeli (LLM, mniejsze modele)
- •Współpraca przy budowie architektury AI i długoterminowej strategii ML
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier ML z solidną znajomością Pythona i podstawami ML/NLP, który ma doświadczenie w trenowaniu modeli (PyTorch/TensorFlow) i integracji z API. Może mieć mniej niż 3 lata, ale musi wykazać się samodzielnością i chęcią nauki.
Junior bez doświadczenia w ML (wymagane 3-5 lat i praktyka z modelami). Osoby szukające pracy w pełni zdalnej (hybryda w Trójmieście) lub spokojnej, korporacyjnej stabilności (startupowe tempo, mały zespół).
- ?Ile dni w tygodniu trzeba być w biurze w Gdyni?
- ?Jak wygląda proces rekrutacyjny – jest zadanie domowe, live coding?
- ?Jaki jest budżet na szkolenia / konferencje / narzędzia?
- ?Czy jest opcja equity/udziałów w startupie?
- ?Jakie są główne wyzwania techniczne na najbliższe 6 miesięcy?
- ?Czy zespół planuje rozwijać się w kierunku MLOps?
- ?Jakie jest podejście do dokumentacji i code review?
- −Brak liczby dni pracy z biura
- −Nie opisano procesu rekrutacyjnego
- −Brak informacji o benefitach (sprzęt, ubezpieczenie, itp.)
- −Nie podano, czy istnieje system on-call
Startupowy klimat: szybkie iteracje, bliska współpraca z founderem i małym zespołem, duża autonomia i wpływ na decyzje technologiczne.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →