Rola polega na budowaniu i wdrażaniu rozwiązań opartych na dużych modelach językowych (LLM) dla sektora finansowego. Będziesz projektować i optymalizować prompty, implementować Retrieval-Augmented Generation (RAG) z wykorzystaniem baz wektorowych, tworzyć mikrousługi w Pythonie i Javie oraz deployować je w chmurze (Azure/GCP) z użyciem Kubernetes. Pracujesz w modelu hybrydowym w Krakowie (2 dni w biurze), jako część zespołu inżynierów w firmie outsourcingowej Mindbox, realizującej projekty dla europejskich klientów. To rola łącząca inżynierię AI z klasycznym backendem i DevOps.

Brakuje: brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe, live coding), nie podano wielkości zespołu projektowego.

🛠 Wymagane (Must Have)

Dane źródłowe

GCP TDD BDD NLP Java Redis Cloud Python Spring FastAPI PostgreSQL KubernetesAzure DevOpsMicroservices

⭐ Mile widziane (Nice to Have)

Dane źródłowe

APIDeep learningCommunication skills

AI Insights

Czym naprawdę jest ta rola?AI Application Developer

Plusy

✓Sprzęt wysokiej jakości i oprogramowanie
✓Dostęp do platform szkoleniowych i budżet na rozwój
✓Praca nad nowoczesnymi technologiami AI w finansach

Na co uważać

!Brak informacji o wielkości zespołu i liczbie projektów jednocześnie
!Nieznany udział dyżurów on-call (produkcyjne wdrożenia AI)
!Wymaganie wielu technologii naraz – ryzyko bycia 'złotą rączką'
!Outsourcing – możliwe zmienne projekty i klienci

Codzienna praca

•Projektowanie i optymalizacja promptów dla LLM (np. GPT, Claude) w celu uzyskania wiarygodnych odpowiedzi
•Implementacja rozwiązań RAG z użyciem baz wektorowych (np. Pinecone, Qdrant, FAISS) do przetwarzania danych finansowych
•Rozwój mikrousług w Python (FastAPI) i Java (Spring) z testami TDD/BDD
•Integracja z chmurą Azure lub GCP – wdrażanie, monitorowanie, skalowanie modeli
•Praca z systemami konteneryzacji (Docker, Kubernetes) i CI/CD (Jenkins, Azure DevOps)
•Uczestnictwo w pełnym cyklu życia rozwiązania – od discovery i prototypowania po produkcję
•Współpraca z inżynierami, product managerami i ekspertami biznesowymi w celu dopasowania technologii do strategii
•Pisanie i utrzymanie czystego, testowalnego kodu oraz dokumentacji technicznej

Więcej o ofercie

Dla kogo jest ta oferta

Profil idealny

Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).

Minimum sensowne

Mid-level inżynier z co najmniej 3 latami Python i rocznym doświadczeniem w Javie, który pracował z FastAPI, Spring i PostgreSQL, zna podstawy Docker/Kubernetes i miał styczność z LLM lub RAG. Musi mieć dobrą komunikację w angielskim i być gotowy na częste zmiany kontekstu w projektach outsourcingowych.

Raczej nie dla

Junior deweloper bez solidnej znajomości Python i Javy, osoba szukająca pracy w pełni zdalnej (wymagane 2 dni w biurze w Krakowie), ktoś kto nie chce pracować z AI/LLM na co dzień lub preferuje wyłącznie backend bez elementów DevOps i chmury.

Ocena dopasowania

Junior1/5

Mid3/5

Senior5/5

Hands-on5/5

Architekt3/5

Remote2/5

Enterprise3/5

Pytania do rekrutera

?Ile osób liczy zespół AI/ML i jaki jest podział ról (backend, ML, DevOps)?
?Czy obecnie pracujecie na jednym projekcie, czy można być przypisanym do kilku jednocześnie?
?Jak wygląda wsparcie on-call dla modeli w produkcji – ile dyżurów miesięcznie?
?Czy są już przygotowane pipeline'y ML/LLM, czy trzeba je budować od zera?
?Jaka jest przewidywana skala systemu (liczba zapytań, wolumen danych)?
?Czy w ramach projektu korzystacie z gotowych LLM (np. GPT-4, Claude) czy trenujecie własne modele?
?Jak długi jest typowy onboarding i ile czasu zajmuje pierwsze wdrożenie produkcyjne?