Senior AI Platform Engineer – ML Infrastructure and RAG Systems
ITDS
To rola platform engineering skoncentrowana na budowie i utrzymaniu infrastruktury ML, w szczególności systemów RAG (Retrieval-Augmented Generation) i API serwisów AI. Pracujesz w trybie stacjonarnym we Wrocławiu dla klienta będącego międzynarodową firmą technologiczną. Na co dzień projektujesz i optymalizujesz pipeline'y RAG, zarządzasz bazami wektorowymi, integrujesz modele LLM z systemami produkcyjnymi oraz dbasz o monitoring i niezawodność. To rola inżynierska z naciskiem na kod (Python, Kubernetes) i infrastrukturę (AWS), a nie badania ani rozwój modeli.
Brakuje: nie podano wielkości zespołu ani liczby współpracujących zespołów, brak opisu procesu rekrutacyjnego.
To rola platform engineering skoncentrowana na budowie i utrzymaniu infrastruktury ML, w szczególności systemów RAG (Retrieval-Augmented Generation) i API serwisów AI. Pracujesz w trybie stacjonarnym we Wrocławiu dla klienta będącego międzynarodową firmą technologiczną. Na co dzień projektujesz i optymalizujesz pipeline'y RAG, zarządzasz bazami wektorowymi, integrujesz modele LLM z systemami produkcyjnymi oraz dbasz o monitoring i niezawodność. To rola inżynierska z naciskiem na kod (Python, Kubernetes) i infrastrukturę (AWS), a nie badania ani rozwój modeli.
- −Praca wyłącznie stacjonarna (on-site) – brak elastyczności lokalizacyjnej
- −Outsourcing do klienta – brak bezpośredniego wpływu na decyzje produktowe
- −Wzmianka o udziale w operacyjnym wsparciu i reagowaniu na incydenty bez informacji o kompensacji za dyżury
- !Nie podano liczby dyżurów on-call ani harmonogramu
- !Nieznana struktura zespołu i kultura pracy
- !Wiele technologii wymienionych, ale brak konkretów co do stosu monitoringowego czy narzędzi CI/CD
- •Projektowanie i rozwijanie wewnętrznych API oraz serwisów AI w Pythonie
- •Budowa i optymalizacja pipeline'ów RAG (ingestia dokumentów, generowanie embeddingów, wyszukiwanie, tuning relewancji)
- •Zarządzanie bazami wektorowymi – skalowanie, wydajność, świeżość danych
- •Integracja endpointów modeli z warstwą aplikacyjną, zapewnienie niskiego opóźnienia i wysokiej niezawodności
- •Implementacja monitoringu, logowania, śledzenia i metryk jakości dla serwisów AI
- •Konfiguracja i utrzymanie Kubernetes oraz infrastruktury AWS (IAM, networking)
- •Uczestnictwo w dyżurach operacyjnych i reagowanie na incydenty
- •Zarządzanie cyklem życia serwisów: wdrożenia, aktualizacje, wycofywanie
Oferta dla doświadczonych specjalistów (Senior).
Platform engineer z 4 latami doświadczenia, który miał kontakt z AI/ML (np. praca z LLM), zna Kubernetes i AWS oraz potrafi napisać proste API w Pythonie, ale niekoniecznie ma głębokie doświadczenie z RAG.
Nie dla juniorów (poniżej 4 lat doświadczenia), osób szukających pracy zdalnej, ani inżynierów czysto backendowych bez zainteresowania infrastrukturą ML.
- ?Ile osób liczy zespół, w którym będę pracować, i jaka jest struktura (inżynierowie, DevOps, ML)?
- ?Czy dyżury on-call są płatne i jaka jest ich częstotliwość?
- ?Jaki jest stos technologiczny – jakie konkretnie narzędzia do monitoringu, logowania i CI/CD są używane?
- ?Jak wygląda proces onboardingu i dokumentacja istniejących systemów?
- ?Czy praca na tym projekcie jest długoterminowa, a jeśli tak, to czy istnieje możliwość przejścia do klienta na stałe?
- ?Jakie są główne wyzwania techniczne, z którymi zespół obecnie się mierzy?
- ?Czy istnieje budżet na szkolenia, certyfikaty lub konferencje?
- −Nie podano wielkości zespołu ani liczby współpracujących zespołów
- −Brak opisu procesu rekrutacyjnego
- −Nie określono konkretnych narzędzi monitoringu (np. Grafana, Prometheus) ani systemów do CI/CD
- −Brak informacji o możliwych benefitach (np. opieka medyczna, ubezpieczenie) – choć wynagrodzenie i forma zatrudnienia są podane
- −Nie wiadomo, czy istnieje możliwość awansu lub zmiany projektu
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię API Development.