Python/ AI Developer

apreel został założony w kwietniu 2010 roku przez przyjaciół, których marzeniem było stworzenie własnego software house'u. Wraz z rozwojem firmy i jednocześnie wzrostem zaufania klientów, rozszerzyła swoją działalność o usługi takie jak leasing ekspertów IT. Dziś ten obszar stanowi główny filar działalności apreel.

Nie oznacza to jednak, że założyciele apreela porzucili swoje marzenia. Naszą pasją zawsze będzie tworzenie autorskich rozwiązań informatycznych, a celem, do którego dążymy, jest ciągłe ich doskonalenie. W połączeniu z wyjątkową atmosferą i profesjonalizmem stworzyliśmy w apreelu wyjątkowy klimat.

• 2+ years of professional experience in an AI Engineer, Machine Learning Engineer, or related software engineering role.
• Mastery of Python and its core AI/ML libraries.
• Strong experience with SQL and hands-on experience with vector databases (e.g., Agent Platform Vector Search) for RAG implementations.
• Demonstrated ability to build, fine-tune, and deploy production-grade Generative AI systems and multi-step agentic workflows.
• Proven experience with modern agent frameworks, specifically Google's Agent Development Kit (ADK) or similar toolkits like LangChain or LlamaIndex.
• Strong proficiency in the GCP ecosystem, deploying and managing AI solutions using Agent Platform.
• Experience designing and implementing evaluation frameworks to measure and compare accuracy, latency, and cost of Generative AI workflows.

Nice to have:

• Experience with Entity Framework, MLOps, 3D modeling.

• Work with business stakeholders to identify and understand business problems and architect AI-powered systems to address them.
• Design, build, and maintain sophisticated AI systems, including autonomous agents, generative workflows, and fine-tuned Large Language Models (LLMs).
• Partner with software engineering, product, and infrastructure teams to integrate AI capabilities into new and existing applications.
• Research, evaluate, and implement state-of-the-art AI technologies, models, and platforms.
• Own and operate the end-to-end MLOps lifecycle on Google Cloud Platform, including building data pipelines, automating model deployment (CI/CD), monitoring system performance, and ensuring scalability.