Główne Obowiązki Integracja AI/LLM: Projektowanie i implementacja rozwiązań integrujących duże modele językowe (LLM) z systemami firmy Budowanie Aplikacji AI: Tworzenie i utrzymanie aplikacji opartych o LLM, z wykorzystaniem frameworka LangChain. Inżynieria Promptów (Prompt Engineering): Opracowywanie i optymalizacja promptów w celu uzyskania precyzyjnych i efektywnych odpowiedzi od modeli. Implementacja RAG: Wdrażanie systemów z wykorzystaniem Retrieval-Augmented Generation (RAG) Automatyzacja: Identyfikowanie procesów biznesowych, które można zautomatyzować lub usprawnić za pomocą AI i wdrażanie tych automatyzacji. Współpraca: Bliska współpraca z zespołami deweloperskimi i biznesowymi w celu zrozumienia potrzeb i dostarczania odpowiednich rozwiązań AI. Utrzymanie i Monitoring: Monitorowanie wydajności wdrożonych modeli i systemów AI. Wymagania Kluczowe (Must-Have) Python: Bardzo dobra, praktyczna znajomość języka Python oraz jego ekosystemu do przetwarzania danych Doświadczenie z LLM: Praktyczne doświadczenie w pracy z API modeli LLM (np. OpenAI, Anthropic, Google Gemini) oraz modelami open-source Frameworki AI: Znajomość kluczowych frameworków do budowania aplikacji LLM, takich jak LangChain. Bazy Wektorowe: Zrozumienie i doświadczenie w pracy z bazami wektorowymi Samodzielność: Umiejętność szybkiego uczenia się nowych technologii i samodzielnego rozwiązywania problemów. Mile Widziane (Nice-to-Have) Klasyczne ML: Doświadczenie w klasycznym Machine Learningu (np. z użyciem Scikit-learn, TensorFlow lub PyTorch) i zrozumienie podstawowych algorytmów. Cloud: Doświadczenie z usługami AI/ML u jednego z głównych dostawców chmury (AWS). MLOps/LLMOps: Znajomość narzędzi do wersjonowania, wdrażania i monitorowania modeli