Software Engineer (Data & AI)
datarabbit AI
Rola polega na budowaniu end-to-end systemów AI/ML dla sektora healthcare (instytucje medyczne, life sciences, pharma). Pracujesz nad całym cyklem: od architektury rozwiązania, przez integrację modeli (klasyczne ML, LLM, agenci), po pipeline'y danych, infrastrukturę chmurową (AWS) i aplikacje użytkownika. To nie jest rola czysto naukowa – ważne jest doprowadzenie rozwiązań do produkcji i współpraca z klientem. Tytuł jest adekwatny, ale zakres jest szeroki – wymagane jest podejście 'full-stack' w kontekście AI/ML, nie tylko kodowanie modeli.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano widełek wynagrodzenia, nie opisano procesu rekrutacyjnego (liczba etapów, zadanie domowe, etc.).
Rola polega na budowaniu end-to-end systemów AI/ML dla sektora healthcare (instytucje medyczne, life sciences, pharma). Pracujesz nad całym cyklem: od architektury rozwiązania, przez integrację modeli (klasyczne ML, LLM, agenci), po pipeline'y danych, infrastrukturę chmurową (AWS) i aplikacje użytkownika. To nie jest rola czysto naukowa – ważne jest doprowadzenie rozwiązań do produkcji i współpraca z klientem. Tytuł jest adekwatny, ale zakres jest szeroki – wymagane jest podejście 'full-stack' w kontekście AI/ML, nie tylko kodowanie modeli.
- ✓Dedykowany budżet szkoleniowy
- ✓Wpływ na rzeczywiste pacjentów i badania medyczne
- ✓End-to-end ownership i bezpośredni wpływ na kierunek projektów
- ✓Sesje Tech Fridays z dzieleniem się wiedzą
- !Szeroki zakres obowiązków (full-stack AI, data, infra) może być wymagający dla osób preferujących specjalizację
- !Praca w domenie healthcare wiąże się z dużą ilością regulacji i złożonych systemów legacy
- !Wymóg bycia 'AI power-user' sugeruje wysokie oczekiwania co do ciągłego śledzenia trendów
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie architektury rozwiązań AI dla konkretnych problemów w ochronie zdrowia
- •Implementacja i integracja komponentów AI – od klasycznego ML po agenty LLM
- •Budowa i utrzymanie pipeline'ów danych (ETL/ELT) oraz infrastruktury chmurowej na AWS
- •Integracja rozwiązań z istniejącymi systemami klientów (np. EHR, systemy laboratoryjne)
- •Zarządzanie cyklem MLOps: monitoring, wersjonowanie modeli, ciągłe dostarczanie
- •Udział w regularnych sesjach knowledge-sharing w zespole
- •Komunikacja z klientem – zrozumienie potrzeb biznesowych i przełożenie na rozwiązania techniczne
- •Wykorzystywanie najnowszych narzędzi AI (LLM, agenty) do automatyzacji własnej pracy
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z 3-letnim doświadczeniem w software engineering i przynajmniej 1 rokiem praktycznego ML/AI, biegła w Pythonie i chmurze, gotowa szybko uczyć się domeny healthcare i pracować w środowisku klienckim.
Osoby szukające wyłącznie pracy badawczej (research) lub chcące skupić się na wąskim wycinku (np. tylko na modelach). Ktoś, kto nie lubi kontaktu z klientem lub nie interesuje się tematem healthcare. Rola nie jest dla juniorów.
- ?Jak duży jest zespół Data & AI i w jakich ramach czasowych realizowane są projekty?
- ?Jakie konkretne narzędzia/technologie używacie do MLOps (MLflow, Kubeflow, inna)?
- ?Czy jest on-call lub oczekiwana dostępność poza godzinami pracy?
- ?Jak wygląda onboarding w kontekście wiedzy o domenie healthcare?
- ?Jaki jest typowy podział obowiązków między osobami na tym stanowisku a specjalistami od danych?
- ?Czy istnieje możliwość publikacji wyników lub udziału w konferencjach?
- ?Jakie są przykłady ostatnich projektów, które zakończyły się sukcesem?
- −Nie podano widełek wynagrodzenia
- −Nie opisano procesu rekrutacyjnego (liczba etapów, zadanie domowe, etc.)
- −Brak informacji o wielkości zespołu
- −Nie wiadomo, czy wymagane są dyżury on-call
- −Brak szczegółów budżetu szkoleniowego
Zespół pracuje w kulturze AI-first, dzieląc się wiedzą na regularnych sesjach. Oczekuje się proaktywności i samodzielności, ale także umiejętności współpracy z klientami.