Middle Strong Machine Learning Engineer
Svitla Systems
To rola inżyniera ML ukierunkowanego na systemy GenAI/LLM w produkcji, działającego w modelu outsourcingowym (Svitla Systems) dla klienta z branży zarządzania ryzykiem w łańcuchu dostaw. Codzienna praca to budowa i utrzymanie systemów RAG, wieloagentowych workflowów, fine-tuning modeli oraz monitorowanie ich w produkcji. To nie rola badawcza, ale ściśle inżynierska – wymaga solidnych podstaw software engineering i umiejętności wdrażania modeli w chmurze.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano nazwy klienta ani konkretnej domeny (spoza 'risk management')., nie wiadomo, jak wygląda proces rekrutacyjny (liczba etapów, zadanie domowe itp.)..
To rola inżyniera ML ukierunkowanego na systemy GenAI/LLM w produkcji, działającego w modelu outsourcingowym (Svitla Systems) dla klienta z branży zarządzania ryzykiem w łańcuchu dostaw. Codzienna praca to budowa i utrzymanie systemów RAG, wieloagentowych workflowów, fine-tuning modeli oraz monitorowanie ich w produkcji. To nie rola badawcza, ale ściśle inżynierska – wymaga solidnych podstaw software engineering i umiejętności wdrażania modeli w chmurze.
- ✓Kontrakt B2B – korzystne dla osób ceniących elastyczność finansową.
- ✓Nowoczesny stack: LLM, LangGraph, PyTorch, FastAPI, chmura.
- ✓Klient z branży sustainability – ciekawa domena.
- !Firma outsourcingowa – nie wiadomo, jak długi będzie projekt ani jak wygląda rzeczywista kultura klienta.
- !Brak informacji o wielkości zespołu i strukturze zespołu Docelowego.
- !Wymagane 3+ lata, ale tytuł 'Middle Strong' sugeruje poziom powyżej typowego mid – może to oznaczać wyższe oczekiwania niż przeciętnie.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Implementacja i utrzymanie produkcyjnych systemów RAG z wykorzystaniem LangGraph i PydanticAI
- •Fine-tuning modeli PyTorch oraz wdrażanie ich do produkcji z zachowaniem CI/CD i kontroli wersji
- •Projektowanie i rozwijanie API (FastAPI) do serwowania modeli i integracji z innymi systemami
- •Udział w projektowaniu architektury rozwiązań AI wraz z Data Engineerami i Architektami
- •Monitorowanie modeli w produkcji: metryki jakości, dryf, koszty, opóźnienia
- •Przeprowadzanie eksperymentów A/B testów i przeglądów ludzkich dla rolloutów modeli
- •Pisanie testów, przegląd kodu i utrzymanie pipeline'ów CI/CD
- •Praca z chmurą AWS/Azure (IAM, skalowanie, optymalizacja kosztów)
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z przynajmniej 3 latami doświadczenia w ML, która ma praktyczne doświadczenie z LLM-ami (nawet jeśli nie produkcyjne) i potrafi tworzyć API oraz pisać testy. Może nie mieć jeszcze doświadczenia z agent frameworkami, ale szybko się uczy.
Junior bez doświadczenia produkcyjnego w ML, osoby szukające pracy stricte badawczej (R&D) lub niechętne do pracy z legacy code'em na chmurze.
- ?Jaka jest wielkość zespołu AI/ML, z którym będę współpracować?
- ?Czy klient ma już istniejącą infrastrukturę ML, czy budujemy od zera?
- ?Jak wygląda proces on-call lub dyżury produkcyjne (jeśli w ogóle)?
- ?Jakie są najważniejsze cele na pierwsze 3 miesiące w tej roli?
- ?Czy istnieje możliwość udziału w konferencjach i szkoleniach zewnętrznych?
- ?Jakie narzędzia do zarządzania projektami i kodem są używane? (Jira, GitHub itp.)
- ?Czy w projekcie są przewidziane dyżury produkcyjne i jak są wynagradzane?
- −Nie podano nazwy klienta ani konkretnej domeny (spoza 'risk management').
- −Nie wiadomo, jak wygląda proces rekrutacyjny (liczba etapów, zadanie domowe itp.).
- −Brak szczegółów na temat budżetu szkoleniowego – jest tylko 'personalized learning program'.
Zespół jest wielozespołowy, współpracuje z AI Engineerami, Data Engineerami, Product i Architektami. Kultura outsourcingowa Svitla kładzie nacisk na elastyczność i rozwój, ale rzeczywista atmosfera zależy od klienta.