Programista analityk / Programistka analityczka danych i AI
Poznańskie Centrum Superkomputerowo - Sieciowe
Rola skupia się na rozwoju i utrzymaniu wewnętrznego asystenta AI (chatbota) opartego na otwartych modelach językowych (LLM). Codzienna praca obejmuje budowę pipeline'ów RAG do integracji z bazami wiedzy, fine-tuning modeli, implementację backendowych mikroserwisów REST API oraz integrację z infrastrukturą GPU/HPC. Praca ma charakter badawczo-rozwojowy, realizowana w zespole Inżynierii Danych i Platform Analitycznych w Poznańskim Centrum Superkomputerowo-Sieciowym.
Brakuje: nie podano wielkości zespołu ani struktury., brak opisu procesu rekrutacyjnego (etapy, zadania)..
Tytuł sugeruje rolę analityczną (data analyst), ale realnie jest to stanowisko Applied AI Engineer – głównie rozwój i wdrożenie LLM, chatbotów, RAG i backendu API.
Rola skupia się na rozwoju i utrzymaniu wewnętrznego asystenta AI (chatbota) opartego na otwartych modelach językowych (LLM). Codzienna praca obejmuje budowę pipeline'ów RAG do integracji z bazami wiedzy, fine-tuning modeli, implementację backendowych mikroserwisów REST API oraz integrację z infrastrukturą GPU/HPC. Praca ma charakter badawczo-rozwojowy, realizowana w zespole Inżynierii Danych i Platform Analitycznych w Poznańskim Centrum Superkomputerowo-Sieciowym.
- ✓Dostęp do zaawansowanej infrastruktury GPU/HPC co umożliwia pracę nad skalowalnymi modelami.
- ✓Praca w środowisku badawczo-rozwojowym o realnym wpływie na naukę i administrację publiczną.
- ✓Możliwość rozwijania kompetencji w obszarze AI i NLP w ramach wewnętrznych projektów.
- !Mimo że dane strukturalne wskazują 'office', ogłoszenie wspomina o możliwości pracy hybrydowej – warto wyjaśnić rzeczywisty model.
- !Brak informacji o wielkości zespołu i podziale obowiązków (ile osób nad chatbotem).
- •Projektowanie i rozwój rozwiązań AI (chatbotów) w architekturze mikroserwisów
- •Implementacja mechanizmów Retrieval-Augmented Generation (RAG)
- •Tworzenie i optymalizacja pipeline'ów NLP (tokenizacja, embeddingi, fine-tuning)
- •Rozwój usług backendowych z REST API (FastAPI/Flask)
- •Integracja modeli AI z infrastrukturą obliczeniową (GPU, klastry HPC)
- •Eksperymentowanie i ewaluacja jakości modeli językowych
- •Opracowywanie dokumentacji technicznej i dobrych praktyk
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Mid-level Python developer z podstawową wiedzą o ML/NLP i doświadczeniem z FastAPI/Flask oraz Dockerem, który potrafi samodzielnie zaimplementować prosty RAG.
Juniorzy bez doświadczenia w AI/NLP ani znajomości LLM. Osoby preferujące czysty product development bez elementów badawczych.
- ?Ile osób liczy zespół Inżynierii Danych i Platform Analitycznych, a ile bezpośrednio pracuje nad chatbotem?
- ?Jakie modele LLM są obecnie używane i jak często są fine-tunowane?
- ?Czy obowiązują dyżury on-call przy utrzymaniu bota?
- ?Jak wygląda proces wdrożenia modeli do produkcji – czy jest osobny DevOps?
- ?Czy istnieje budżet szkoleniowy lub konferencje?
- ?Jakie są kolejne cele rozwojowe dla chatbota (np. integracja z innymi systemami)?
- −Nie podano wielkości zespołu ani struktury.
- −Brak opisu procesu rekrutacyjnego (etapy, zadania).
- −Nie wiadomo czy obowiązuje system dyżurów on-call.
Zespół badawczo-rozwojowy w instytucji naukowej, z naciskiem na innowację i realny wpływ. Możliwość pracy nad nowatorskimi rozwiązaniami AI w stabilnym, finansowanym przez państwo środowisku.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →