Główne ObowiązkiIntegracja AI/LLM: Projektowanie i implementacja rozwiązań integrujących duże modele językowe (LLM) z systemami firmyBudowanie Aplikacji AI: Tworzenie i utrzymanie aplikacji opartych o LLM, z wykorzystaniem frameworka LangChain.Inżynieria Promptów (Prompt Engineering): Opracowywanie i optymalizacja promptów w celu uzyskania precyzyjnych i efektywnych odpowiedzi od modeli.Implementacja RAG: Wdrażanie systemów z wykorzystaniem Retrieval-Augmented Generation (RAG)Automatyzacja: Identyfikowanie procesów biznesowych, które można zautomatyzować lub usprawnić za pomocą AI i wdrażanie tych automatyzacji.Współpraca: Bliska współpraca z zespołami deweloperskimi i biznesowymi w celu zrozumienia potrzeb i dostarczania odpowiednich rozwiązań AI.Utrzymanie i Monitoring: Monitorowanie wydajności wdrożonych modeli i systemów AI.Wymagania Kluczowe (Must-Have)Python: Bardzo dobra, praktyczna znajomość języka Python oraz jego ekosystemu do przetwarzania danychDoświadczenie z LLM: Praktyczne doświadczenie w pracy z API modeli LLM (np. OpenAI, Anthropic, Google Gemini) oraz modelami open-sourceFrameworki AI: Znajomość kluczowych frameworków do budowania aplikacji LLM, takich jak LangChain.Bazy Wektorowe: Zrozumienie i doświadczenie w pracy z bazami wektorowymiSamodzielność: Umiejętność szybkiego uczenia się nowych technologii i samodzielnego rozwiązywania problemów.Mile Widziane (Nice-to-Have)Klasyczne ML: Doświadczenie w klasycznym Machine Learningu (np. z użyciem Scikit-learn, TensorFlow lub PyTorch) i zrozumienie podstawowych algorytmów.Cloud: Doświadczenie z usługami AI/ML u jednego z głównych dostawców chmury (AWS).MLOps/LLMOps: Znajomość narzędzi do wersjonowania, wdrażania i monitorowania modeli