Data Scientist / 2 weeks ago
Filipino Contractors
Rola polegająca na budowaniu kompletnych aplikacji GenAI, takich jak chatboty czy systemy 'Talk-to-Data'. Kandydat będzie odpowiedzialny za cały pipeline, od pozyskiwania danych, przez warstwę retriewalu, orkiestrację (LangChain/LlamaIndex), po API i proste UI. Kluczowe jest implementowanie pipeline'ów RAG, wybór modeli, strategie promptowania i fine-tuning, a także integracja LLM z zewnętrznymi narzędziami. Wymagana jest znajomość Pythona, SQL, baz danych wektorowych oraz chmury Azure lub GCP.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nazwa firmy i jej profil działalności., szczegółowy opis projektów, nad którymi będzie pracował kandydat..
Rola polegająca na budowaniu kompletnych aplikacji GenAI, takich jak chatboty czy systemy 'Talk-to-Data'. Kandydat będzie odpowiedzialny za cały pipeline, od pozyskiwania danych, przez warstwę retriewalu, orkiestrację (LangChain/LlamaIndex), po API i proste UI. Kluczowe jest implementowanie pipeline'ów RAG, wybór modeli, strategie promptowania i fine-tuning, a także integracja LLM z zewnętrznymi narzędziami. Wymagana jest znajomość Pythona, SQL, baz danych wektorowych oraz chmury Azure lub GCP.
- ✓Praca z najnowszymi technologiami w obszarze GenAI.
- ✓Możliwość budowania kompletnych aplikacji od podstaw.
- ✓Wykorzystanie popularnych i zaawansowanych narzędzi (LangChain, LlamaIndex, HuggingFace, OpenAI/Gemini).
- −Brak informacji o firmie i jej profilu działalności, co utrudnia ocenę kontekstu projektów.
- −Brak informacji o procesie rekrutacyjnym.
- !Nie jest jasne, czy praca będzie polegać na budowaniu nowych rozwiązań od zera, czy na utrzymaniu i rozbudowie istniejących.
- !Nie podano konkretnych przykładów projektów, nad którymi pracował kandydat.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowanie kompletnych aplikacji GenAI (chatboty, voiceboty, Talk-to-Data).
- •Implementacja pipeline'ów RAG z bazami danych wektorowych, hybrydowym wyszukiwaniem, rerankerami, transformacją zapytań i frameworkami ewaluacyjnymi.
- •Wybór modeli, strategie promptowania i fine-tuning (LoRA/QLoRA/SFT) dla modeli tekstowych, kodowych i multimodalnych.
- •Integracja i optymalizacja interakcji LLM z zewnętrznymi narzędziami, API i źródłami danych.
- •Tłumaczenie problemów biznesowych na cele techniczne, definiowanie zadań i audytowanie danych.
- •Wsparcie dostarczania projektów.
Idealny kandydat to doświadczony Data Scientist z biegłą znajomością Pythona, SQL i baz danych wektorowych, który ma doświadczenie w budowaniu aplikacji GenAI z wykorzystaniem bibliotek takich jak LangChain i API GenAI (OpenAI/Gemini). Powinien znać chmurę Azure lub GCP, rozumieć teorię głębokiego uczenia i mieć doświadczenie z architekturami mikroserwisowymi. Dodatkowym atutem jest doświadczenie z Databricks i udane projekty komercyjne w obszarze GenAI.
Kandydat z doświadczeniem w ML, szczególnie w GenAI (LLM/LMM) z naciskiem na NLP lub modele multimodalne, biegły w Pythonie i programowaniu obiektowym, z dobrą znajomością SQL i baz danych wektorowych, oraz znajomością chmury Azure lub GCP. Powinien znać biblioteki takie jak PyTorch, HuggingFace, LangChain i API GenAI.
Oferta nie jest dla osób bez doświadczenia w Machine Learning, szczególnie w obszarze Generative AI, ani dla osób, które nie znają Pythona, SQL lub baz danych wektorowych. Nie jest też dla osób, które nie mają doświadczenia z chmurą Azure lub GCP, ani z bibliotekami takimi jak LangChain czy API GenAI.
- ?Jakie są główne cele biznesowe, które mają być realizowane za pomocą budowanych aplikacji GenAI?
- ?Jak wygląda typowy cykl życia projektu GenAI w Państwa firmie?
- ?Jakie są plany rozwoju i utrzymania tych aplikacji po ich wdrożeniu?
- ?Czy istnieje możliwość pracy nad projektami open-source lub wkładu w rozwój społeczności GenAI?
- ?Jakie są możliwości rozwoju zawodowego w obszarze GenAI i MLOps w Państwa firmie?
- −Nazwa firmy i jej profil działalności.
- −Szczegółowy opis projektów, nad którymi będzie pracował kandydat.
- −Informacje o wielkości zespołu i strukturze organizacyjnej.
- −Opis procesu rekrutacyjnego.
null
null