AI/ML Engineer

Wspólnie z naszym Partnerem, amerykańskim producentem sprzętu fitness rozwijającym platformę aplikacyjną nowej generacji, poszukujemy doświadczonej osoby do świadczenia usług w charakterze AI Engineer. Realizacja usług dotyczy budowanego od podstaw obszaru R&D, obejmującego przejęcie developmentu aplikacji mobilnej stworzonej w USA. Aplikacja ta ma ambicję stać się najlepszą platformą treningową na świecie: AI-driven, hiperspersonalizowaną, zintegrowaną z wearables, danymi medycznymi i urządzeniami fitness.

• 5+ lat doświadczenia w oprogramowaniu produkcyjnym.
• Doświadczenie produkcyjne w Python 3.11 - typed async services na poziomie seniorskim.
• Doświadczenie w projektowaniu agentów LLM w LangGraph/LangChain lub porównywalnym frameworku (graph topology, tool contracts).
• Minimum 3 miesiące odpowiedzialności za funkcję AI/ML/LLM w produkcji, obejmujące systemy agentowe i tool-calling.
• Samodzielność i ownership pracy w środowisku bez gotowych specyfikacji.
• Pełna odpowiedzialność za serwis w FastAPI (endpoint, worker, schema, testy).
• Znajomość RAG / Retrieval: embeddings, vector search, hybrid ranking.
• Doświadczenie z personalizacją i rankingiem na sygnałach behawioralnych.
• Komunikatywność w języku angielskim.

Nice to have:

• Znajomość LangChain, LangGraph, Celery, AWS, MongoDB Atlas Vector Search, OpenSearch, Redis, PostgreSQL, Docker/Terraform, Datadog/Opik/Amplitude, TypeScript, NestJS, React Native, bandits/uplift modeling, produkty głosowe/TTS.

• Optymalizacja latencji i kosztu: pre-generowanie treści, cache keyed do session revision, deduplikacja przez content fingerprinting.
• Utrzymanie i rozbudowa suite'ów ewaluacyjnych, model-based judging, dodawanie test case'a po każdej produkcyjnej awarii.
• Implementacja pipeline'u personalizacji: ekstrakcja sygnałów per-turn, synteza profilu, cache z invalidacją epokową.
• Pisanie i utrzymanie serwisu FastAPI, workerów Celery, schematów Pydantic i testów pytest.
• Projektowanie i rozwój topologii grafu agenta oraz tool contracts w LangGraph/LangChain.
• Budowa i tuning retrievalu: embeddingi, hybrid ranking, hard pre-filters nad vector store.
• Monitorowanie produkcji: traces, token usage, metryki jakości, rollout za feature flagą.