Senior Python ML Engineer (GenAI | LLM | ORM | FastAPI)

• Minimum 4 lata komercyjnego doświadczenia zawodowego w inżynierskiej roli związanej z Data Science i Machine Learning
• Głęboka wiedza na temat uczenia maszynowego, deep learning i technik sztucznej inteligencji generatywnej
• Bardzo dobra znajomość języków programowania, takich jak Python, R
• Bardzo dobra znajomość frameworków, takich jak TensorFlow czy PyTorch
• Wiedza z zakresu inżynierii danych, w tym oczyszczania i preprocesowania danych, przetwarzania dużych zbiorów danych (Pandas, NumPy, Spark itd.)
• Zrozumienie technologii związanych z LLM (OpenAI, GPT itp.)
• Znajomość frameworków ORM (np. SQLAlchemy)
• Doświadczenie z platformami chmurowymi, takimi jak Azure lub AWS
• Znajomość dobrych praktyk AI, zapewniających uczciwość, transparentność i odpowiedzialność modeli i systemów AI
• Kluczowy angielski na poziomie swobodnej komunikacji w mowie i piśmie (B2+)

Mile widziane:

• Doświadczenie w technikach widzenia komputerowego do rozpoznawania obrazów, wykrywania obiektów lub generowania obrazów
• Znajomość narzędzi takich jak Docker, Kubernetes i Git do budowania i zarządzania pipeline'ami AI
• Doświadczenie w prowadzeniu badań nad sztuczną inteligencją i śledzeniem najnowszych osiągnięć w tej dziedzinie

Branża projektu: Banking / Finanse

Liczba wakatów: 4

Lokalizacja: 100% zdalnie

Start: ASAP (akceptujemy kandydatury z max 3msc okresem wypowiedzenia)

Zaangażowanie: B2B (outsourcing z 1dea), full-time, długofalowo

Stawka B2B (ustalana indywidualnie): 170 - 195 PLN netto + VAT / h

Proces rekrutacyjny (100% zdalnie):

• Krótka rozmowa telefoniczna informacyjno-zapoznawcza z rekruterem 1dea (~10 min)
• Weryfikacja techniczno-projektowa z Klientem (~1,5 h)
• (Jeśli OK) Rozmowa zapoznawcza z Tech Leaderem Projektu u Klienta (~ 40-60 min)
• Decyzja o podjęciu współpracy

Zakres obowiązków

• Rozwijanie i wdrażanie rozwiązań AI, wykorzystując posiadane doświadczenie i wiedzę techniczną.
• Projektowanie i implementacja nowoczesnych modeli i systemów AI
• Nadzorowanie praktyk DevOps i MLOps, zapewniając ciągłą integrację, wdrażanie i monitorowanie systemów AI
• Współpraca z zespołami inżynierów oprogramowania i operacji w celu płynnej integracji i wdrażania modeli AI
• Monitorowanie i rejestrowanie działania modeli AI w celu zapewnienia ich wydajności i niezawodności