AI Engineer (f/m/d) – Knowledge Graphs & Large Language Models
digatus personal
Rola polega na budowaniu zaawansowanych systemów AI łączących grafy wiedzy (Neo4j) z dużymi modelami językowymi (LLM). Będziesz projektować i implementować grafy wiedzy, tworzyć pipeline'y ETL, rozwijać systemy RAG (Retrieval-Augmented Generation) oraz budować API i mikrousługi do semantycznego wyszukiwania. Pracujesz w interdyscyplinarnym zespole AI & Data nad rozwiązaniami dla rzeczywistych problemów biznesowych. To rola inżynierska z silnym naciskiem na integrację struktur danych i modeli językowych, a nie tylko rozwój backendu.
Brakuje: brak konkretnego opisu produktu/projektu – własny czy kliencki, nie podano procesu rekrutacyjnego.
Rola polega na budowaniu zaawansowanych systemów AI łączących grafy wiedzy (Neo4j) z dużymi modelami językowymi (LLM). Będziesz projektować i implementować grafy wiedzy, tworzyć pipeline'y ETL, rozwijać systemy RAG (Retrieval-Augmented Generation) oraz budować API i mikrousługi do semantycznego wyszukiwania. Pracujesz w interdyscyplinarnym zespole AI & Data nad rozwiązaniami dla rzeczywistych problemów biznesowych. To rola inżynierska z silnym naciskiem na integrację struktur danych i modeli językowych, a nie tylko rozwój backendu.
- ✓Nowoczesny stack: Neo4j, LLM, wektory, RAG
- ✓Przestrzeń na badania i publikacje (Freedom to Explore)
- ✓Indywidualne szkolenia, certyfikaty, konferencje w dziedzinie AI/ML
- ✓Płaskie hierarchie i zwinnne metody pracy (Scrum/Kanban)
- −Firma to agencja IT (digatus personal GmbH) – możliwe przypisanie do projektów klienckich, nie własny produkt
- −Brak informacji o procesie rekrutacyjnym – może być długi lub nieprzewidywalny
- −Nie sprecyzowano, ile dni w biurze wymaga hybryda
- !Poziom 'regular' – może oznaczać brak ścieżki awansu
- !Firma łączy IT staffing z własnymi projektami – rzeczywiste zadania mogą się różnić
- !Nadmiar technologii w wymaganiach – ryzyko szerokiego zakresu obowiązków
- •Projektowanie i implementacja grafów wiedzy w Neo4j z użyciem Cypher i APOC
- •Tworzenie i optymalizacja pipeline'ów ETL do integracji danych z różnych źródeł
- •Rozwój systemów RAG z wykorzystaniem LangChain/LlamaIndex do łączenia LLM z grafami wiedzy
- •Implementacja API i mikrousług w Python/TypeScript dla semantycznego wyszukiwania i przetwarzania języka naturalnego
- •Praca nad transformacją graf↔tekst – konwersja między danymi strukturalnymi a językiem naturalnym
- •Monitorowanie i optymalizacja wydajności systemów AI (jakość, niezawodność, latency)
- •Eksperymentowanie z różnymi modelami językowymi (GPT, Claude, Llama) i frameworkami ML
- •Integracja z bazami wektorowymi (Pinecone, Weaviate, Chroma) dla wyszukiwania semantycznego
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier z 3+ latami w AI/ML, solidną znajomością Neo4j i Python, który ma przynajmniej rok doświadczenia z Knowledge Graphs i podstawową wiedzę o RAG. Potrafi samodzielnie projektować proste grafy i integrować je z LLM, ale potrzebuje wsparcia w bardziej złożonych architekturach.
Osoby bez doświadczenia w grafach wiedzy ani LLM, juniorzy poniżej 3 lat stażu, a także inżynierowie czysto backendowi niezainteresowani AI. Nie jest to rola dla kogoś, kto szuka pracy w pełni zdalnej (hybryda) lub preferuje stabilny produkt wewnętrzny (firma to agencja/consulting).
- ?Czy pracujemy nad własnym produktem, czy jesteśmy przypisani do klientów?
- ?Ile osób liczy zespół AI & Data?
- ?Jak wygląda konkretnie hybryda – ile dni w biurze tygodniowo?
- ?Jaki jest proces rekrutacyjny? Czy są zadania domowe lub live coding?
- ?Czy istnieje możliwość pracy w pełni zdalnej po okresie wdrożenia?
- ?Jakie są typowe projekty, nad którymi obecnie pracuje zespół?
- ?Czy oferujecie finansowanie konferencji/szkoleń? Jaki jest roczny budżet?
- −Brak konkretnego opisu produktu/projektu – własny czy kliencki
- −Nie podano procesu rekrutacyjnego
- −Brak informacji o wielkości zespołu
- −Nie wiadomo ile dni w biurze wymaga hybryda
- −Brak wzmianki o możliwych dyżurach on-call
Agile (Scrum/Kanban), płaskie hierarchie, współpraca na równych zasadach, interdyscyplinarny zespół AI & Data.