Platform Architect - AI

200 - 230 PLN/ godz./ godz.B2BB2B (netto)

SeniorHybryda·WarszawaFull-time·B2B

#464783·Dodano 3 dni temu·2

Źródło: ITLT

Aplikuj teraz

Tech Stack / Keywords

Python PyTorch TensorFlowHugging FaceAWSSageMakerYOLOPineconeMLflow Kubeflow

Podsumowanie oferty

Architektura AI/ML dla projektu Visual Similarity Search, który automatyzuje weryfikację zgodności ekspozycji produktów w sklepach z planogramem. Rola obejmuje projektowanie architektury i pipeline’ów computer vision oraz wyszukiwania wektorowego, we współpracy z zespołem AI/ML.

Wymagania

Doświadczenie i kompetencje architektoniczne:

Co najmniej 5 lat doświadczenia w Software Architecture, w tym minimum 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 Engineerów.

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 Object Detection, Image Embeddings, Vector Search, Hybrid Search oraz Multi-signal Retrieval/Ranking.
Znajomość ekosystemu modeli DETR/YOLO oraz Roboflow lub rozwiązań alternatywnych.
Doświadczenie z bazami wektorowymi, np. Pinecone lub rozwiązaniami równoważnymi.
Doświadczenie w projektowaniu pipeline’ów RAG i rozwiązaniach 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 lub 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 określania 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 security, skalowalności, efektywności kosztowej i wymagań regulacyjnych.

Security i compliance:

Znajomość 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

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 oraz 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

Długofalowe, stabilne zatrudnienie.
Możliwość uczestniczenia w kluczowych projektach dla dużej firmy działającej w stabilnym sektorze.
Benefity: Lux Med i MultiSport.

Opieka zdrowotna

Karta sportowa

Inne informacje

Jednoetapowy proces rekrutacji: spotkanie zdalne przez MS Teams; sporadycznie może odbyć się dodatkowe krótkie spotkanie połączone z decyzją.
Standardowe polskie godziny pracy.

ITLT

115 aktywnych ofert

Zobacz wszystkie oferty

Aplikuj teraz