Senior Data Scientist (GenAI)

Nasz Klient to międzynarodowa organizacja rozwijająca zaawansowane rozwiązania wykorzystujące AI do automatyzacji procesów oraz tworzenia nowych produktów cyfrowych.

Must have:

• Minimum 6 lat doświadczenia w Data Science lub AI
• Minimum 2 lata doświadczenia z produkcyjnymi rozwiązaniami korzystającymi z LLM
• Bardzo dobra znajomość Python i tworzenie jakościowego, testowalnego kodu produkcyjnego
• Praktyczne doświadczenie w projektowaniu i rozwijaniu systemów RAG
• Bardzo dobra znajomość LLM, systemów agentowych i rozwiązań konwersacyjnych
• Doświadczenie z vector search, hybrid search, rerankingiem oraz optymalizacją dostarczania kontekstu
• Praktyczna znajomość LangChain, LangGraph lub podobnych frameworków do GenAI
• Doświadczenie z MCP oraz integracją modeli i agentów z zewnętrznymi narzędziami lub źródłami danych
• Bardzo dobre rozumienie metod ewaluacji LLM oraz mierzenia jakości rozwiązań generatywnych
• Bardzo dobre podstawy Machine Learning, w tym metody ewaluacji, metryki oraz lifecycle modeli
• Doświadczenie z rozwiązaniami chmurowymi (Azure, AWS, GCP)
• Znajomość CI/CD, testowania oraz konteneryzacji rozwiązań AI
• Umiejętność samodzielnego przełożenia problemu biznesowego na koncepcję techniczną
• Bardzo dobre umiejętności analityczne i rozwiązywanie złożonych problemów związanych z AI
• Bardzo dobra znajomość języka angielskiego umożliwiająca swobodną komunikację w środowisku międzynarodowym

Nice to have:

• Doświadczenie w tworzeniu systemów multi-agent
• Doświadczenie z modelami open-source i ich uruchamianiem oraz optymalizacją
• Znajomość metod A/B testingu w rozwiązaniach AI
• Doświadczenie w optymalizacji kosztów wykorzystania LLM w środowisku produkcyjnym
• Znajomość zagadnień dotyczących AI governance, bezpieczeństwa oraz ochrony danych
• Doświadczenie w mentoringu technicznym i dzieleniu się wiedzą w zakresie AI

• Projektowanie rozwiązań GenAI odpowiadających na konkretne potrzeby biznesowe i technologiczne
• Dobór modeli oraz podejścia odpowiedniego do specyfiki danego przypadku użycia
• Rozwijanie produkcyjnych rozwiązań wykorzystujących LLM, RAG oraz systemy agentowe
• Budowa mechanizmów umożliwiających efektywne wykorzystanie wiedzy z różnych źródeł danych
• Projektowanie i optymalizacja wyszukiwania, przetwarzania oraz dostarczania kontekstu do modeli
• Tworzenie metod mierzenia jakości, stabilności i skuteczności rozwiązań AI
• Eksperymentowanie z modelami oraz metodami ich dostosowania do konkretnych zastosowań
• Rozwój mechanizmów zwiększających kontrolę nad odpowiedziami modeli i bezpieczeństwo rozwiązania
• Optymalizacja rozwiązań pod kątem jakości, wydajności, skalowalności i kosztów
• Projektowanie integracji komponentów AI z istniejącymi systemami i źródłami danych
• Weryfikacja nowych modeli, frameworków i podejść oraz ocena ich przydatności w produkcji
• Promowanie dobrych praktyk technicznych w zakresie wzorców projektowych, jakości kodu oraz rozwoju rozwiązań GenAI
• Współtworzenie standardów i komponentów do ponownego wykorzystania w kolejnych inicjatywach AI