AI Specialist
QUERCUS
Rola polega na integracji rozwiązań AI z systemami klientów (głównie z sektora finansowego), doborze odpowiednich narzędzi AI/ML oraz wdrażaniu modeli w środowiskach produkcyjnych. Praca ma charakter projektowy, z naciskiem na użycie konteneryzacji (Docker, Kubernetes) i praktyk DevOps. Mimo tytułu 'AI Specialist', rola wymaga również umiejętności infrastrukturalnych – znajomość K8s i Docker jest wymagana, podczas gdy Python jest tylko mile widziany. To bardziej stanowisko ML Engineer/AI Integrator niż badacz AI.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano konkretnych języków programowania ani frameworków ml używanych w projektach, brak informacji o platformie chmurowej (aws, gcp, azure).
Rola polega na integracji rozwiązań AI z systemami klientów (głównie z sektora finansowego), doborze odpowiednich narzędzi AI/ML oraz wdrażaniu modeli w środowiskach produkcyjnych. Praca ma charakter projektowy, z naciskiem na użycie konteneryzacji (Docker, Kubernetes) i praktyk DevOps. Mimo tytułu 'AI Specialist', rola wymaga również umiejętności infrastrukturalnych – znajomość K8s i Docker jest wymagana, podczas gdy Python jest tylko mile widziany. To bardziej stanowisko ML Engineer/AI Integrator niż badacz AI.
- ✓W pełni zdalna praca z elastycznymi godzinami
- ✓Niekorporacyjna struktura i wpływ na wybór narzędzi
- ✓Dostęp do budżetu rozwojowego, szkoleń, konferencji i platform e-learningowych
- ✓Stosowanie dobrych praktyk inżynierskich: Clean Code, code review, CI/CD
- −Wymagana lista technologii (Git, Docker, K8s, Bash) nie zawiera żadnego języka programowania, podczas gdy AI/ML zazwyczaj wymaga Python lub R – może to oznaczać niejasność co do rzeczywistego stacka
- −Oferta kierowana jednocześnie do studentów i seniorów, co sugeruje brak precyzji w określeniu poziomu
- !Brak konkretnych frameworków ML (TensorFlow, PyTorch) w wymaganiach
- !Praca w software house – możliwa rotacja projektów i klientów
- !Wsparcie techniczne może oznaczać dyżury przy wdrożeniach
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Integracja modeli AI z istniejącymi systemami klientów (banki, ubezpieczenia)
- •Dobór narzędzi i technologii AI/ML adekwatnych do projektu
- •Wdrażanie rozwiązań AI w środowiskach produkcyjnych z użyciem Docker i Kubernetes
- •Analiza procesów biznesowych pod kątem automatyzacji z użyciem AI
- •Uczestnictwo w code review i stosowanie Clean Code
- •Wsparcie techniczne przy złożonych inicjatywach AI
- •Śledzenie trendów i innowacji w obszarze sztucznej inteligencji
Oferta dla doświadczonych specjalistów (Senior).
Osoba z co najmniej 2-letnim doświadczeniem w projektach AI/ML, znająca podstawy konteneryzacji (Docker, Kubernetes) i gotowa do nauki narzędzi BI oraz LLM-ów.
Osoby bez doświadczenia w ML/AI, programiści niezainteresowani uczeniem maszynowym, ani kandydaci szukający wyłącznie badań naukowych – rola wymaga implementacji i integracji z systemami.
- ?Jakie języki programowania są używane w projektach AI – Python, R, czy coś innego?
- ?Jakie frameworki ML (np. TensorFlow, PyTorch, scikit-learn) są preferowane?
- ?Ile projektów prowadzi się równolegle i jak długo trwa typowy projekt?
- ?Jaka jest wielkość zespołu AI i czy są dedykowani data scientist, czy rolą jest raczej łącznik między AI a DevOps?
- ?Czy w ramach 'wsparcia technicznego' przewidziane są dyżury on-call?
- ?Jak wygląda proces onboardingu i czy są mentoring dla nowych osób?
- ?Czy istnieje możliwość pracy nad projektami wewnętrznymi (własne produkty) oprócz klienckich?
- −Nie podano konkretnych języków programowania ani frameworków ML używanych w projektach
- −Brak informacji o platformie chmurowej (AWS, GCP, Azure)
- −Nie wiadomo, ile projektów prowadzi się równocześnie i jaka jest wielkość zespołu
- −Brak opisu systemu premiowego lub innych dodatkowych benefitów poza standardowymi
Młody i dynamiczny zespół, praca w niekorporacyjnej strukturze z wpływem na wybór technologii.
Rozmowa telefoniczna z działem rekrutacji, następnie spotkanie z PM (rozmowa techniczna/zadanie), feedback i decyzja.