Ekspert/-tka Inżynier/-ka Systemów AI

Dołącz do zespołu pracującego nad projektem budowy polskojęzycznego dużego modelu językowego PLLuM w Zakładzie Przetwarzania Języka Naturalnego, łączącym naukę, inżynierię i badania nad językiem.

• Wykształcenie wyższe w zakresie informatyki, matematyki, fizyki lub kierunków pokrewnych
• Minimum 5 lat doświadczenia w projektowaniu i implementacji złożonych systemów oprogramowania
• Bardzo dobra znajomość języków: Python (preferowany), Java, Scala lub C++
• Doświadczenie w pracy z modelami uczenia maszynowego, zwłaszcza NLP i/lub systemami LLM
• Znajomość frameworków: PyTorch lub TensorFlow oraz ekosystemu LLM, np. Hugging Face Transformers, OpenAI API
• Umiejętność projektowania i wdrażania skalowalnych systemów rozproszonych, mikroserwisów
• Znajomość relacyjnych i nierelacyjnych baz danych, np. PostgreSQL, MongoDB
• Doświadczenie z chmurą obliczeniową (AWS, GCP lub Azure)
• Umiejętność tworzenia dokumentacji technicznej systemów
• Znajomość metodyk pracy zespołowej i zarządzania projektami: Agile, Scrum
• Doświadczenie w interdyscyplinarnych zespołach badawczo-inżynierskich
• Bardzo dobra znajomość języka angielskiego (min. B2+/C1)

Mile widziane:

• Doświadczenie w projektach badawczo-rozwojowych z uczelniami lub instytucjami naukowymi
• Implementacja, optymalizacja lub wdrażanie modeli LLM w środowiskach produkcyjnych
• Znajomość technik optymalizacji modeli: fine-tuning, pruning, quantization, distillation
• Doświadczenie w tworzeniu i utrzymaniu dużych zbiorów danych treningowych dla modeli językowych
• Znajomość przetwarzania, anonimizacji i bezpieczeństwa danych wrażliwych
• Doświadczenie z technologiami konteneryzacji i orkiestracji: Docker, Kubernetes
• Znajomość narzędzi do zarządzania cyklem życia modeli ML: MLflow, Kubeflow
• Doświadczenie w projektowaniu i utrzymaniu pipeline’ów danych i systemów AI end-to-end
• Autorstwo publikacji naukowych w obszarze AI/ML/NLP
• Certyfikaty w technologiach chmurowych lub systemach rozproszonych
• Doświadczenie w mentoringu i rozwoju technicznym zespołu

• Przygotowanie danych i usprawnienie infrastruktury treningu modeli językowych
• Usprawnienie programistyczne automatycznych ewaluacji
• Rozwijanie komponentów systemowych, zwłaszcza agentowych i RAGowych
• Wsparcie merytoryczne jednostek podczas wdrożeń
• Testowanie nowych architektur modeli w środowisku wdrożeniowym