Ekspert Inżynier Systemów AI (K/M)

NASK SCIENCE działa w obszarach cyberbezpieczeństwa, informatyki i sztucznej inteligencji, realizując prace badawczo-rozwojowe. Zakład Przetwarzania Języka Naturalnego specjalizuje się w badaniach i tworzeniu rozwiązań opartych na dużych modelach językowych, realizując m.in. projekt polskojęzycznego modelu PLLuM oraz publikując wyniki na międzynarodowych konferencjach.

• Wykształcenie wyższe w informatyce, matematyce, fizyce lub pokrewnych
• Minimum 5 lat doświadczenia w projektowaniu i implementacji złożonych systemów oprogramowania
• Bardzo dobra znajomość Python (preferowany), Java, Scala lub C++
• Doświadczenie z modelami uczenia maszynowego, zwłaszcza NLP i/lub dużymi modelami językowymi (LLM)
• Znajomość frameworków ML: PyTorch, TensorFlow oraz ekosystemu LLM (np. Hugging Face Transformers, OpenAI API)
• Umiejętność projektowania i implementacji skalowalnych systemów rozproszonych, zwłaszcza mikroserwisowych
• Znajomość relacyjnych i nierelacyjnych baz danych (np. PostgreSQL, MongoDB)
• Doświadczenie z chmurą obliczeniową (AWS, GCP lub Azure)
• Umiejętność tworzenia dokumentacji technicznej architektury systemów
• Znajomość metodyk zespołowych i zarządzania projektami (Agile, Scrum lub podobne)
• Doświadczenie w interdyscyplinarnych zespołach badawczo-inżynierskich (ML, data, software)
• Bardzo dobra znajomość języka angielskiego (min. B2+/C1) w mowie i piśmie

Nice to have:

• Doświadczenie w projektach R&D z uczelniami lub instytucjami naukowymi
• Praktyka we wdrażaniu modeli LLM w środowiskach produkcyjnych lub badawczych
• Znajomość technik optymalizacji modeli (fine-tuning, pruning, quantization, distillation)
• Doświadczenie w budowie i utrzymaniu dużych zbiorów danych treningowych
• Znajomość przetwarzania, anonimizacji i bezpieczeństwa danych wrażliwych
• Doświadczenie z konteneryzacją i orkiestracją (Docker, Kubernetes)
• Znajomość narzędzi do zarządzania cyklem życia modeli ML i eksperymentów (np. MLflow, Kubeflow)
• Doświadczenie w projektowaniu i utrzymaniu pipeline’ów danych i systemów AI end-to-end
• Autorstwo lub współautorstwo publikacji naukowych w AI/ML/NLP
• Certyfikaty potwierdzające kompetencje w technologiach chmurowych lub systemach rozproszonych
• Doświadczenie w mentoringu i wsparciu rozwoju zespołu

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