Must have

• AI

• Python

• MLOps

• LLM

• English (B2)

Requirements description

Original text.  Show translation

Wymagania

• Potwierdzone doświadczenie w inżynierii AI/ML oraz wdrażaniu modeli AI w środowiskach produkcyjnych.
• Bardzo dobre umiejętności programistyczne w Pythonie, szczególnie w pracy z dużymi modelami językowymi (LLMs), autonomicznymi agentami i prompt engineering.
• Praktyczna znajomość narzędzi i frameworków AI agentów (np. LangChain, Semantic Kernel, CrewAI, LangGraph).
• Dogłębna znajomość MLOps oraz wdrażania w chmurze (np. Databricks, SageMaker, Kubeflow lub podobne).
• Doświadczenie z platformami chmurowymi Azure lub AWS oraz architekturami danych enterprise (data pipelines, lakehouse).
• Umiejętność tworzenia API, architektur event-driven oraz integracji aplikacji w środowisku korporacyjnym.
• Biegła znajomość języka angielskiego oraz wysokie kompetencje komunikacyjne i analityczne.

Offer description

Original text.  Show translation

Poszukujemy doświadczonego AI/ML Engineera z pasją do nowoczesnych technologii, który będzie odpowiedzialny za projektowanie, rozwój i wdrażanie autonomicznych agentów AI w środowisku korporacyjnym. Osoba na tym stanowisku będzie ściśle współpracować z zespołami biznesowymi i technologicznymi, tworząc innowacyjne rozwiązania w oparciu o LLM, MLOps oraz narzędzia chmurowe.

Oferujemy

• Udział w projektach o dużej skali i wysokim stopniu innowacyjności
• Możliwość pracy z najnowszymi technologiami AI/ML
• Pracę zdalną (na własnym sprzęcie)
• Współpracę w międzynarodowym środowisku w oparciu o metodykę Scrum

Your responsibilities

Original text.  Show translation

1. Projektowanie i rozwój autonomicznych agentów programowych z wykorzystaniem nowoczesnych frameworków LLM i narzędzi do orkiestracji agentów (LangChain, LangGraph, Semantic Kernel, CrewAI).
2. Implementacja skalowalnych, modularnych i rozszerzalnych systemów AI w Pythonie, wspierających różne działy organizacji.
3. Współpraca z właścicielami produktów i ekspertami domenowymi w celu budowy wielokrotnego użytku komponentów i workflow dla automatyzacji procesów biznesowych.
4. Integracja systemów agentowych z platformami enterprise (m.in. Dynamics 365) oraz infrastrukturami danych w chmurze (Databricks, Azure, AWS).
5. Przekładanie wymagań biznesowych na kompleksowe rozwiązania AI z wykorzystaniem praktyk MLOps i narzędzi takich jak MLflow, Kubeflow, SageMaker.
6. Tworzenie API, event-driven pipelines oraz automatyzacja CI/CD dla niezawodnego wdrażania i monitoringu agentów AI.

show all (8)