Wykształcenie wyższe w dziedzinie informatyki, matematyki, inżynierii oprogramowania lub pokrewnej;, Minimum 2 lata doświadczenia w obszarze MLOps lub DevOps.;, Biegła znajomość języków programowania takich jak Python, Java, Scala lub C++;, Doświadczenie z narzędziami do zarządzania modelem uczenia maszynowego (MLFlow, Kubeflow, TensorBoard);, Znajomość konteneryzacji (Docker) oraz systemów orkiestracji kontenerów (Kubernetes);, Umiejętność pracy z narzędziami CI/CD (np. Jenkins, GitHub Actions, GitLab CI/CD);, Znajomość przynajmniej jednego z głównych frameworków do trenowania modeli LLM (np. PyTorch, TensorFlow, Hugging Face Transformers);, Doświadczenie w zarządzaniu środowiskami w chmurze (AWS, Azure, Google Cloud);, Znajomość technologii big data (np. Apache Spark, Hadoop);, Umiejętność pracy z bazami danych NoSQL i SQL;, Dobra organizacja pracy oraz zdolność do prowadzenia dokumentacji technicznej;, Umiejętność współpracy z interdyscyplinarnym zespołem badawczym;, Znajomość języka angielskiego w mowie i piśmie co najmniej na poziomie B2., Doświadczenie w pracy z modelami językowymi LLM (np. BERT, GPT, T5);, Wiedza na temat fine-tuningu oraz transfer learningu w kontekście modeli językowych;, Doświadczenie z narzędziami i procesami do optymalizacji modeli (pruning, quantization, distillation);, Doświadczenie z systemami monitorowania i logowania (Prometheus, Grafana, ELK Stack);, Wiedza na temat zarządzania dużymi zbiorami danych tekstowych (np. pre-processing, ETL);, Doświadczenie w treningu modeli na rozproszonych systemach, np. za pomocą PyTorch Distributed Data Parallel (DDP) lub DeepSpeed;, Doświadczenie w integracji modeli ML z API;, Znajomość narzędzi takich jak ONNX, TensorRT, czy Hugging Face Accelerate do przyspieszania treningu, fine-tuningu i inferencji modeli.

dofinansowanie zajęć sportowych, prywatna opieka medyczna, dofinansowanie nauki języków, dofinansowanie szkoleń i kursów, ubezpieczenie na życie, elastyczny czas pracy, owoce, spotkania integracyjne