Opis projektu

Nasz Klient to państwowa jednostka o znaczeniu strategicznym, odpowiedzialna za utrzymanie i rozwój kluczowej infrastruktury w sektorze lotnictwa cywilnego. Instytucja ta pełni nadrzędną rolę w zapewnianiu ciągłości i bezpieczeństwa operacji transportowych na skalę krajową, działając w oparciu o rygorystyczne normy publiczne oraz międzynarodowe standardy regulacyjne.

Zadania:

Przekładanie prototypów/PoC na rozwiązania produkcyjne: projektowanie ścieżek treningu i inferencji, integracja z aplikacjami.
Implementacja usług modelowych i interfejsów (API/SDK), integracja z potokami danych i procesami biznesowymi.
Optymalizacja modeli i inferencji pod koszty i wydajność (profilowanie, batching, kompresja, kwantyzacja, distylacja).
Współpraca z Product Ownerem w definiowaniu KPI jakości, latencji, stabilności i kosztu; priorytetyzacja backlogu.
Planowanie pracy w Scrum, synchronizacja z Data/ML Engineerami i Data Scientistami.
Weryfikacja postępów: metryki eksperymentów, stabilność wdrożeń, osiąganie SLA i SLO.
Budowa i utrzymanie rejestru modeli, mechanizmów wersjonowania i strategii rolloutów (canary/blue‐green).
Implementacja monitoringu produkcyjnego (metryki jakości i systemowe, alerty, detekcja driftu, degradacji).
Projektowanie i obsługa cykli retrainingu: harmonogramy, walidacje, kontrola wersji danych.
Tworzenie narzędzi do oceny jakości (harnessy ewaluacyjne, benchmarki, testy regresji jakości).
Współprojektowanie architektury systemów dla funkcji ML, dobór technologii, wzorców i konfiguracji środowisk.
Wsparcie w doborze i fine‐tuningu modeli, łączenie kilku modeli w łańcuchy/ensemble na potrzeby funkcji produktowych.
Przygotowywanie dokumentacji technicznej usług ML i procedur operacyjnych.
Udział w przeglądach architektonicznych i bezpieczeństwa, rekomendacje usprawnień.
Optymalizacja pracy zespołu dzięki automatyzacji ścieżek eksperyment→wdrożenie i bibliotekom wspólnym.

Wymagania:

Wykształcenie wyższe: sztuczna inteligencja, data science, informatyka, matematyka lub pokrewne.
Doświadczenie w inżynierii zastosowań ML: wdrażanie modeli do produkcji i ich integracja z systemami.
Biegłość programistyczna (np. Python) i praktyka w co najmniej jednym frameworku głębokiego uczenia.
Umiejętność budowy i utrzymania potoków treningu/inferencji, pracy z konteneryzacją i orkiestracją.
Doświadczenie w monitoringu usług ML, analizie metryk jakości oraz mechanizmach retrainingu.
Praktyka w projektowaniu API, integracjach i wzorcach wdrożeń (canary/blue‐green), wersjonowaniu modeli.
Umiejętność profilowania i optymalizacji wydajności modelu oraz kosztów uruchomienia.
Biegłe posługiwanie się językiem polskim.

Co oferujemy?

Pracę zdalną z możliwością przyjazdów co jakiś czas do biura w Warszawie.
Pracę na naszym sprzęcie.
Płaską strukturę zarządzania.
Samoorganizujące się zespoły.
Dużo przestrzeni na własną inicjatywę.
Możliwość delegacji na terenie Unii Europejskiej lub Wielkiej Brytanii.

AI Engineer

e-point SA