Platform Architect - AI

33.4k - 38.4k PLN33 400 - 38 410 PLN/ mies./ mies.B2BB2B (netto)

C-Level / ManagerHybryda·WarszawaFull-time·B2B

#464613·Dodano 2 dni temu·0

Źródło: justjoin.it

Aplikuj teraz

Tech Stack / Keywords

AI/ML ArchitectureComputer Vision Machine Learning AWSvector databases

Podsumowanie oferty

Projekt dotyczy AI – Visual Similarity Search, który automatycznie weryfikuje zgodność ekspozycji produktów w sklepach z planogramem. Osoba na tym stanowisku będzie projektować architekturę AI/ML end-to-end oraz pipeline computer vision i wyszukiwania wektorowego, wykorzystując m.in. Python, AWS i Pinecone.

Wymagania

Doświadczenie i kompetencje architektoniczne:

Minimum 5 lat doświadczenia w Software Architecture, w tym 2–3 lata w architekturze systemów AI/ML.
Doświadczenie w projektowaniu architektury systemów AI/ML end-to-end — od PoC do produkcji.
Doświadczenie w podejmowaniu decyzji architektonicznych z uwzględnieniem kosztów, skalowalności, wydajności, czasu wdrożenia i ryzyka technologicznego.
Doświadczenie w integracji rozwiązań AI z istniejącymi systemami, API i infrastrukturą danych.
Doświadczenie w prowadzeniu technicznym zespołów lub mentoringu AI/ML Engineers.

AI/ML i Computer Vision:

Bardzo dobra znajomość Machine Learning, Deep Learning oraz architektur NLP/LLM.
Praktyczne doświadczenie z produkcyjnymi pipeline’ami Computer Vision.
Doświadczenie w obszarach Object Detection, Image Embeddings i modeli embeddingowych, Vector Search, Hybrid Search oraz Multi-signal Retrieval/Ranking.
Znajomość ekosystemu modeli DETR/YOLO oraz narzędzi takich jak Roboflow lub rozwiązania alternatywne.
Doświadczenie z Vector Databases, np. Pinecone lub rozwiązaniami równoważnymi.
Doświadczenie w projektowaniu pipeline’ów RAG i rozwiązań Agentic AI.

Technologie i infrastruktura:

Praktyczna znajomość Python.
Znajomość frameworków ML: PyTorch, TensorFlow lub Hugging Face.
Doświadczenie z platformami chmurowymi AWS, Azure lub GCP oraz ich usługami AI/ML.
Znajomość AWS w kontekście AI/ML i infrastruktury GPU, w szczególności SageMaker, EC2 GPU i Bedrock.
Doświadczenie z narzędziami MLOps, np. MLflow, Kubeflow, SageMaker, oraz CI/CD dla pipeline’ów ML.
Znajomość zagadnień Data Architecture, API Design i System Integration Patterns.
Umiejętność projektowania kontraktów API między pipeline’em AI a pozostałymi systemami, w tym definiowania obsługi wyników o niskiej pewności dopasowania.

MLOps, jakość i utrzymanie modeli:

Umiejętność definiowania strategii wersjonowania modeli i danych oraz procesu wdrażania i wycofywania modeli.
Znajomość monitorowania jakości modeli, wykrywania model/data drift i określania kryteriów retrainingu.
Doświadczenie w definiowaniu mierzalnych wskaźników jakości, np. precision, recall i false-positive rate.
Umiejętność projektowania mechanizmów ciągłego doskonalenia modeli i indeksów na podstawie nowych danych produkcyjnych.

Architektura, koszty i decyzje technologiczne:

Umiejętność podejmowania decyzji Build vs. Buy z uwzględnieniem TCO, kosztów infrastruktury i ryzyka vendor lock-in.
Doświadczenie w ocenie opłacalności self-hosted GPU w porównaniu z managed/SaaS inference.
Umiejętność doboru modeli i komponentów z uwzględnieniem kompromisów między dokładnością, kosztem, licencją i time-to-market.
Znajomość licencji open source, w szczególności AGPL, Apache i MIT, oraz ich wpływu na komercyjne wykorzystanie rozwiązania.
Umiejętność projektowania architektury z uwzględnieniem bezpieczeństwa, skalowalności, efektywności kosztowej i wymagań regulacyjnych.

Security i compliance:

Znajomość zagadnień bezpieczeństwa systemów AI, w tym kontroli dostępu, szyfrowania i zabezpieczeń przed złośliwymi danymi wejściowymi.
Rozumienie ryzyk związanych z integracją zewnętrznych usług AI, endpointów modeli i baz wektorowych.
Znajomość wymagań GDPR/RODO i EU AI Act w kontekście projektowania rozwiązań AI.
Umiejętność współpracy z zespołem AI Security przy ocenie przepływów danych, nowych integracji i wymagań bezpieczeństwa.

Komunikacja i współpraca:

Bardzo dobre umiejętności komunikacyjne i zdolność wyjaśniania złożonych zagadnień technicznych osobom nietechnicznym.
Umiejętność współpracy z Product Ownerem przy definiowaniu kryteriów jakości i akceptowalnego poziomu błędów.
Umiejętność prowadzenia architectural code review i nadzoru nad pracą AI/ML Engineerów bez konieczności samodzielnej implementacji każdego elementu.
Umiejętność tworzenia dokumentacji technicznej, diagramów architektury i Architecture Decision Records (ADR).

Mile widziane:

Doświadczenie w branży Retail, szczególnie w obszarach Product Recognition, Planogram Analysis lub Store Display Compliance.
Praktyczna znajomość rozwiązań do automatycznej weryfikacji ekspozycji produktów na podstawie zdjęć.

Obowiązki

Główne obowiązki:

Projektowanie architektury AI/ML end-to-end.
Projektowanie pipeline’u computer vision i wyszukiwania wektorowego.
Dobór modeli i technologii, optymalizacja kosztów, podejmowanie decyzji build vs. buy oraz integracja z systemami backend i RELEX.
Definiowanie kontraktów API i progów jakości.
Nadzór architektoniczny nad pracą AI/ML Engineera.
Projektowanie monitoringu, wersjonowania i rollbacków modeli.
Analiza licencji open source.
Współpraca z AI Security w zakresie bezpieczeństwa i zgodności z GDPR oraz EU AI Act.
Dokumentowanie architektury i mentoring zespołu.

Benefity

Duża swoboda pracy zdalnej.
Długofalowe stabilne zatrudnienie.
Benefity: Lux Med i MultiSport.

Opieka zdrowotna

Karta sportowa

Inne informacje

Proces rekrutacji jest jednoetapowy i obejmuje zdalne spotkanie przez MS Teams; sporadycznie może odbyć się dodatkowe krótkie spotkanie połączone z decyzją.
Obowiązują standardowe polskie godziny pracy.

ITLT

126 aktywnych ofert

Zobacz wszystkie oferty

Aplikuj teraz