AI/ML Engineer

Rankomat.pl to największa w Polsce porównywarka ubezpieczeń i finansów, która od 16 lat pomaga Klientom porównać i kupić najlepsze ubezpieczenia samochodu, nieruchomości, podróży oraz na życie. Ponadto, dostarczamy naszym Klientom sprawdzoną wiedzę dotyczącą kredytów, pożyczek, kont bankowych i lokat.

• Minimum 3 lata doświadczenia na stanowisku Data Scientist, Data Engineer lub Deweloper
• Umiejętność budowania rozwiązań AI/ML, w tym aplikacji opartych o modele językowe (LLM)
• Znajomość zagadnień związanych z Machine Learning, Deep Learning oraz Generative AI
• Dobra znajomość Python oraz umiejętność pisania kodu produkcyjnego
• Umiejętność pracy z danymi: analiza, przygotowanie i wykorzystanie w procesie budowy modeli
• Znajomość bibliotek Python takich jak Pandas i NumPy oraz narzędzi NLP (np. Hugging Face, SpaCy)
• Doświadczenie z frameworkami Machine Learning (PyTorch, TensorFlow lub Scikit-learn)
• Umiejętność integracji rozwiązań z API oraz systemami backendowymi
• Zainteresowanie nowymi technologiami i zdolność pracy w dynamicznym środowisku
• Dobra organizacja pracy oraz dbanie o jakość dostarczanych rozwiązań
• Wykształcenie wyższe; mile widziane kierunki techniczne lub ścisłe (informatyka, matematyka, data science, AI)
• Znajomość języka angielskiego na poziomie minimum B2

Nice to have:

• Doświadczenie w pracy z modelami lokalnymi
• Znajomość narzędzi MLOps i pipeline’ów ML
• Umiejętność pracy z bazami wektorowymi i rozwiązaniami RAG

• Projektowanie i budowa rozwiązań opartych na modelach językowych (LLM) oraz systemach AI
• Tworzenie aplikacji AI, w tym systemów wieloetapowych (AI Agents) oraz automatyzacji procesów
• Projektowanie i rozwój rozwiązań do wyszukiwania oraz przetwarzania danych z wykorzystaniem architektury RAG i baz wektorowych
• Rozwój, trenowanie i optymalizacja modeli Machine Learning dla różnych typów danych (tekst, obrazy, szeregi czasowe)
• Przygotowywanie danych oraz budowę pipeline'ów do przetwarzania i uczenia modeli
• Optymalizacja jakości modeli pod kątem skuteczności, wydajności i kosztów działania
• Wdrażanie rozwiązań AI do środowisk produkcyjnych (API, monitoring, utrzymanie)
• Testowanie, ewaluację oraz dokumentowanie tworzonych rozwiązań