GenAI Engineer – Chat with Data & NL2SQL

Dołączysz do zespołu rozwijającego rozwiązanie „chat with data”, które umożliwia użytkownikom zadawanie pytań o dane w języku naturalnym. Będziesz pracować nad interpretacją intencji, generowaniem i bezpiecznym wykonywaniem zapytań oraz oceną jakości odpowiedzi.

Będziesz również wspierać rozwój Unstructured Data Repository (UDR), czyli platformy do przetwarzania, przechowywania i udostępniania danych niestrukturalnych, takich jak dokumenty, obrazy i nagrania audio, wykorzystywanych następnie przez rozwiązania AI. Forma współpracy: B2BOpis stanowiskaprojektowanie i rozwój rozwiązania „chat with data”, w szczególności mechanizmów NL2SQL i conversational analytics, budowa usług wykorzystujących LLM oraz integracja modeli z danymi i systemami firmowymi, tworzenie zabezpieczeń ograniczających halucynacje, błędne zapytania i nieuprawniony dostęp do danych, rozwój rozwiązań RAG, obejmujących chunking, embeddingi, wyszukiwanie semantyczne i re-ranking, projektowanie testów i ewaluacji jakości rozwiązań GenAI, optymalizacja jakości, wydajności i kosztów zapytań BigQuery, tworzenie usług i integracji API w Javie i/lub Pythonie, wsparcie UDR w zakresie przetwarzania dokumentów, obrazów i nagrań audio, ekstrakcji treści i metadanych oraz udostępniania wyników rozwiązaniom AI, integracja modeli AI z procesami przetwarzania danych niestrukturalnych, wdrażanie, monitorowanie i utrzymywanie rozwiązań zgodnie z podejściem DevSecOps.

Wymaganiabardzo dobra znajomość Javy i/lub Pythona, praktyczne doświadczenie w budowie rozwiązań wykorzystujących LLM, znajomość co najmniej jednego frameworka, np. LangChain4j, Google ADK, Pydantic AI lub Spring AI, znajomość Google BigQuery, w tym SQL, modelowania danych oraz optymalizacji kosztów i wydajności, doświadczenie w tworzeniu usług i integracji REST API, umiejętność testowania i diagnozowania systemów opartych na LLM, znajomość dobrych praktyk tworzenia, wdrażania i utrzymywania oprogramowania.

Mile widzianedoświadczenie z NL2SQL, conversational analytics lub rozwiązaniami BI-as-chat, znajomość RAG, embeddingów, chunkingu i re-rankingu, doświadczenie w przetwarzaniu dokumentów, obrazów lub nagrań audio, w tym OCR, ekstrakcji tekstu i transkrypcji, doświadczenie z ewaluacją systemów GenAI, testami offline i online oraz wersjonowaniem promptów, znajomość semantic lub metrics layer, cache’owania i preagregacji, znajomość MCP oraz architektur agentowych, doświadczenie z bazami wektorowymi, np. Qdrant, Pinecone, Weaviate lub Milvus, znajomość baz grafowych, np. Neo4j, oraz podejścia GraphRAG, znajomość FastAPI, Kubernetes, Cloud Run i Pub/Sub, znajomość Rusta, doświadczenie w środowisku regulowanym, obejmującym audyt, klasyfikację danych, kontrolę dostępu i ochronę danych wrażliwych.

Nie oczekujemy znajomości wszystkich wymienionych technologii. Szukamy osoby z solidnymi podstawami inżynierii oprogramowania i praktycznym doświadczeniem w pracy z LLM, gotowej rozwijać się w obszarze „chat with data”, danych niestrukturalnych oraz AI.