Wymagania

Technologie wymagane

Python

MLOps

LLM

Technologie mile widziane

AWS

Microsoft Azure

Nasze wymagania

• Potwierdzone doświadczenie w inżynierii AI/ML oraz wdrażaniu modeli AI w środowiskach produkcyjnych.
• Bardzo dobre umiejętności programistyczne w Pythonie, szczególnie w pracy z dużymi modelami językowymi (LLMs), autonomicznymi agentami i prompt engineering.
• Praktyczna znajomość narzędzi i frameworków AI agentów (np. LangChain, Semantic Kernel, CrewAI, LangGraph).
• Dogłębna znajomość MLOps oraz wdrażania w chmurze (np. Databricks, SageMaker, Kubeflow lub podobne).
• Doświadczenie z platformami chmurowymi Azure lub AWS oraz architekturami danych enterprise (data pipelines, lakehouse).
• Umiejętność tworzenia API, architektur event-driven oraz integracji aplikacji w środowisku korporacyjnym.
• Biegła znajomość języka angielskiego oraz wysokie kompetencje komunikacyjne i analityczne.

Mile widziane

• Udział w projektach o dużej skali i wysokim stopniu innowacyjności
• Możliwość pracy z najnowszymi technologiami AI/ML
• Pracę zdalną (na własnym sprzęcie)
• Współpracę w międzynarodowym środowisku w oparciu o metodykę Scrum

Twój zakres obowiązków

• Projektowanie i rozwój autonomicznych agentów programowych z wykorzystaniem nowoczesnych frameworków LLM i narzędzi do orkiestracji agentów (LangChain, LangGraph, Semantic Kernel, CrewAI).
• Implementacja skalowalnych, modularnych i rozszerzalnych systemów AI w Pythonie, wspierających różne działy organizacji.
• Współpraca z właścicielami produktów i ekspertami domenowymi w celu budowy wielokrotnego użytku komponentów i workflow dla automatyzacji procesów biznesowych.
• Integracja systemów agentowych z platformami enterprise (m.in. Dynamics 365) oraz infrastrukturami danych w chmurze (Databricks, Azure, AWS).
• Przekładanie wymagań biznesowych na kompleksowe rozwiązania AI z wykorzystaniem praktyk MLOps i narzędzi takich jak MLflow, Kubeflow, SageMaker.
• Tworzenie API, event-driven pipelines oraz automatyzacja CI/CD dla niezawodnego wdrażania i monitoringu agentów AI.
• Optymalizacja agentów pod kątem rozumowania, wydajności i utrzymania w rozproszonym środowisku korporacyjnym.
• Zapewnienie stabilności i skalowalności usług agentowych poprzez ścisłą współpracę z zespołami DevOps.