AI Developer
PeopleTrust
Rola skupia się na budowie i rozwijaniu platformy automatycznej odbudowy wiedzy o systemach legacy, wykorzystującej najnowsze modele językowe i analizę statyczną kodu. Będziesz projektować pętle uczenia modeli, infrastrukturę multi-agentową, systemy RAG oraz strategie dostarczania kontekstu. To nie jest rola badawcza, ale inżynierska – łączysz ML z dojrzałym rozwojem produktu. Pracujesz w środowisku interdyscyplinarnym, gdzie spotykają się nowoczesne technologie i legacy.
Brakuje: nie podano konkretnych technologii (języki programowania, frameworki, platformy ml) poza oracle, brak informacji o procesie rekrutacyjnym (liczba etapów, zadanie domowe, live coding).
Rola skupia się na budowie i rozwijaniu platformy automatycznej odbudowy wiedzy o systemach legacy, wykorzystującej najnowsze modele językowe i analizę statyczną kodu. Będziesz projektować pętle uczenia modeli, infrastrukturę multi-agentową, systemy RAG oraz strategie dostarczania kontekstu. To nie jest rola badawcza, ale inżynierska – łączysz ML z dojrzałym rozwojem produktu. Pracujesz w środowisku interdyscyplinarnym, gdzie spotykają się nowoczesne technologie i legacy.
- ✓Ciekawy produkt – automatyzacja modernizacji legacy code z użyciem najnowszych LLM
- ✓Kultura otwartej komunikacji i wymiany wiedzy
- ✓Rola z realnym wpływem na roadmapę produktu
- !Brak informacji o wielkości zespołu i strukturze
- !Nie podano konkretnych narzędzi/ram, które są używane do agentów i LLM (np. LangChain, Hugging Face, OpenAI, itp.)
- !Praca z legacy systemami może być frustrująca, jeśli nie masz doświadczenia z mało nowoczesnymi technologiami
- !Brak opisu procesu rekrutacyjnego
- •Wdrażanie pętli automatycznego uczenia modeli językowych (RLHF/feedback loops) w oparciu o dane ze środowisk wykonawczych
- •Projektowanie i rozwój strategii context engineering – dostarczania odpowiedniego kontekstu do modeli LLM
- •Budowa i optymalizacja systemów RAG (Retrieval-Augmented Generation) dla specyficznych zadań modernizacyjnych
- •Tworzenie i rozwijanie infrastruktury wieloagentowej (multi-agent systems) dla automatyzacji migracji kodu
- •Implementacja MLOps – pipeline'ów treningowych, monitoringu modeli, CI/CD dla ML
- •Współpraca z zespołami testerów, architektów i programistów przy integracji rozwiązań AI z istniejącymi systemami
- •Ewaluacja skuteczności modeli – ocena jakości odpowiedzi LLM, testy A/B, metryki poprawności
- •Utrzymanie i rozwój narzędzi do analizy statycznej kodu oraz integracji z modelami AI
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z 4-5 latami doświadczenia, który ma praktyczne projekty z LLM-ami (np. RAG, fine-tuning) oraz MLOps (pipeline'y, monitoring). Znajomość agentów (LangChain, AutoGPT itp.) i umiejętność pracy z legacy code są konieczne.
Osoby szukające wyłącznie pracy z najnowszym stackiem, unikające legacy systemów. Juniorzy bez solidnego doświadczenia w ML/DL. Kandydaci nastawieni czysto badawczo, bez chęci wdrożeń produkcyjnych.
- ?Jakie konkretne narzędzia/ramowe (LangChain, LlamaIndex, Hugging Face, OpenAI API) są używane w projekcie?
- ?Ile osób liczy zespół AI/ML i jaka jest struktura interdyscyplinarna?
- ?Czy infrastruktura MLOps jest już wdrożona, czy budujemy ją od zera?
- ?Jak wygląda proces zbierania feedbacku z środowisk wykonawczych?
- ?Czy są przewidziane szkolenia z obszaru LLM/agentów?
- ?Jaki jest stosunek pracy z legacy a nowym kodem?
- ?Czy istnieje możliwość publikacji wyników badań lub udział w konferencjach?
- −Nie podano konkretnych technologii (języki programowania, frameworki, platformy ML) poza Oracle
- −Brak informacji o procesie rekrutacyjnym (liczba etapów, zadanie domowe, live coding)
- −Nie wiadomo, czy zespół pracuje w Scrum/Kanban, jaki jest cykl wydawniczy
- −Brak opisu benefitów pozapłacowych
Interdyscyplinarny zespół z otwartą komunikacją, gdzie wymagane jest konstruktywne podważanie rozwiązań i współpraca z testerami, architektami oraz programistami różnych technologii.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię LLM. Pełne statystyki zarobków →