AI/ML Engineer
Codetalent
Rola polega na budowie i wdrażaniu modeli ML/Deep Learning oraz generatywnego AI (LLM, GenAI) w projekcie outsourcingowym dla klienta. Będziesz projektować, trenować i optymalizować modele na danych tekstowych i numerycznych (czasem obrazach), tworzyć pipeline'y danych ETL, integrować modele z systemami produkcyjnymi (FastAPI, Docker, K8s), monitorować ich działanie (drift) oraz przygotowywać Proofs of Concept. Stack jest nowoczesny (PyTorch/TensorFlow, MLflow, Kubeflow, LangChain), a środowisko nastawione na eksperymenty i szybkie wdrożenia. Praca zdalna lub hybrydowa w Warszawie.
Brakuje: nie podano wielkości zespołu ani struktury zespołu, nie określono długości projektu ani możliwości przedłużenia.
Rola polega na budowie i wdrażaniu modeli ML/Deep Learning oraz generatywnego AI (LLM, GenAI) w projekcie outsourcingowym dla klienta. Będziesz projektować, trenować i optymalizować modele na danych tekstowych i numerycznych (czasem obrazach), tworzyć pipeline'y danych ETL, integrować modele z systemami produkcyjnymi (FastAPI, Docker, K8s), monitorować ich działanie (drift) oraz przygotowywać Proofs of Concept. Stack jest nowoczesny (PyTorch/TensorFlow, MLflow, Kubeflow, LangChain), a środowisko nastawione na eksperymenty i szybkie wdrożenia. Praca zdalna lub hybrydowa w Warszawie.
- ✓Nowoczesny stack technologiczny (MLflow, Kubeflow, LangChain, wektorowe bazy)
- ✓Środowisko nastawione na eksperymenty i szybkie PoC
- ✓Wsparcie doświadczonych inżynierów i architektów
- ✓Realny wpływ na produkt używany przez tysiące użytkowników
- −Tylko jeden etap rekrutacyjny wymieniony (rozmowa) – może oznaczać płytką weryfikację
- −Model outsourcingowy – praca u klienta, co może wiązać się z mniejszą stabilnością i zmianami projektów
- !Nie podano wielkości zespołu ani liczby projektów
- !Brak informacji o długości projektu i ewentualnych dyżurach
- !Opis ogólnikowy – 'modele przetwarzające dane tekstowe i numeryczne' bez konkretów
- •Projektowanie, trenowanie i optymalizacja modeli ML/Deep Learning w PyTorch/TensorFlow
- •Tworzenie i rozwój pipeline'ów danych (ETL, feature engineering, walidacja) z użyciem Airflow/DVC
- •Budowa i utrzymanie usług inference modeli w FastAPI zintegrowanych z systemami produkcyjnymi
- •Przygotowywanie PoC dla rozwiązań LLM/GenAI (LangChain, wektorowe bazy danych)
- •Monitorowanie modeli na produkcji (detekcja dryfu, jakość, wydajność)
- •Współpraca z zespołami Data, DevOps, Backend, Product przy analizie logiki biznesowej
- •Testowanie nowych frameworków i narzędzi ML/AI
- •Projektowanie architektury usług wspierających inferencję modeli
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier ML/AI z 3-letnim doświadczeniem, znający Python i podstawowe biblioteki ML, mający styczność z Docker/Kubernetes oraz jednym narzędziem MLOps. Potrafi zbudować prosty pipeline inference w FastAPI i ma podstawową wiedzę o LLM.
Juniorzy poniżej 3 lat doświadczenia, osoby szukające wyłącznie pracy badawczej (R&D bez produkcji) oraz kandydaci niechętni do pracy w modelu outsourcingowym u klienta.
- ?Ile osób liczy zespół AI/ML i jakie są role w projekcie?
- ?Jaki jest przewidywany czas trwania projektu i czy jest możliwość przejścia do innego projektu po jego zakończeniu?
- ?Jak wygląda proces onboardingu i wsparcie ze strony architektów?
- ?Czy są przewidziane dyżury on-call lub praca w weekendy?
- ?Jaka jest branża klienta – czy to fintech, e-commerce, inna?
- ?Czy istnieje możliwość wyboru własnych narzędzi (wpływ na technologie)?
- ?Jakie są oczekiwane godziny pracy i elastyczność?
- −Nie podano wielkości zespołu ani struktury zespołu
- −Nie określono długości projektu ani możliwości przedłużenia
- −Brak szczegółów procesu rekrutacyjnego poza jedną rozmową
- −Nie wiadomo, czy wymagane są dyżury on-call
Środowisko nastawione na eksperymentowanie, PoC i szybkie wdrażanie nowych technologii, z supportem doświadczonych inżynierów i architektów.
Jedna rozmowa rekrutacyjna (brak dalszych szczegółów).
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →