Applied Machine Learning Engineer | GenAI / LLM / ML Systems
Yard Corporate
Rola skupiona na budowaniu produkcyjnych systemów AI z wykorzystaniem LLM, RAG i klasycznego ML. To nie jest stanowisko badawcze – liczy się wdrożenie, monitorowanie i skalowanie modeli w rzeczywistym środowisku. Pracujesz na przecięciu ML, inżynierii danych i backendu, często z zespołami produktowymi.
Brakuje: brak informacji o wielkości zespołu, brak konkretnego opisu projektu.
Rola skupiona na budowaniu produkcyjnych systemów AI z wykorzystaniem LLM, RAG i klasycznego ML. To nie jest stanowisko badawcze – liczy się wdrożenie, monitorowanie i skalowanie modeli w rzeczywistym środowisku. Pracujesz na przecięciu ML, inżynierii danych i backendu, często z zespołami produktowymi.
- ✓Produkcyjne AI – realne wdrożenia, nie tylko eksperymenty
- ✓Elastyczny model pracy: w pełni zdalny lub hybrydowy
- ✓Przestrzeń do autonomii i własności technicznej
- ✓Praca z nowoczesnym stackiem (LLM, RAG, MLOps)
- ✓Silny zespół techniczny i możliwość rozwoju w szybko rosnącej dziedzinie
- !Rekrutacja przez agencję – możliwe mniejsza kontrola nad warunkami u klienta końcowego
- !Widełki wynagrodzenia bardzo szerokie (B2B 26-42k net) – realna stawka zależna od oceny
- !Brak konkretnych informacji o projekcie – ogólnikowe 'AI-powered products'
- !'Fast recruitment process' – nie podano liczby ani rodzaju etapów
- •Projektowanie i ulepszanie modeli ML dla konkretnych przypadków użycia
- •Budowanie aplikacji opartych na LLM (RAG, embeddings, agenty)
- •Tworzenie pipeline'ów ML do trenowania, ewaluacji i deploy'u
- •Przygotowywanie zbiorów danych, inżynieria cech i poprawa jakości danych
- •Ewaluacja modeli za pomocą metryk offline i online
- •Deploy modeli i serwisów ML do produkcji
- •Współpraca z inżynierami oprogramowania, data engineerami i zespołem produktowym
- •Eksperymentowanie z nowymi podejściami AI i wdrażanie ich w produkcie
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Mid-level inżynier ML z co najmniej 2-3 latami praktycznego ML, znający Python, potrafiący deployować modele, ale bez głębokiego doświadczenia w GenAI, gotowy rozwijać się w kierunku produkcyjnych systemów AI.
Juniorzy bez doświadczenia w produkcyjnym ML lub osoby szukające wyłącznie badań i eksperymentów – ta rola wymaga inżynieryjnego podejścia i odpowiedzialności za wdrożenie.
- ?Kto jest klientem końcowym? Czy to znana firma produktowa?
- ?Ile osób liczy zespół ML i jak jest zorganizowany?
- ?Czy obecnie istnieją modele w produkcji, czy budujemy od zera?
- ?Jak wygląda proces decyzyjny – czy mamy wpływ na wybór narzędzi?
- ?Czy są dyżury on-call? Jak często?
- ?Jakie są konkretne przypadki użycia AI w produkcie?
- ?Czy recruitment process to tylko rozmowa, czy jest zadanie domowe?
- −Brak informacji o wielkości zespołu
- −Brak konkretnego opisu projektu
- −Nieznany proces rekrutacyjny (liczba etapów, zadanie domowe)
- −Brak informacji o dyżurach on-call
- −Nie wiadomo, czy benefity dotyczą agencji czy klienta
Zespół techniczny z przestrzenią na autonomię, współpraca z wieloma działami, kultura własności.
Powyżej mediany rynkowej
≈ 154,8–250,0 zł/h
Dane z aktywnych ofert zawierających technologię Machine Learning. Pełne statystyki zarobków →