JustJoin.IT Hybrydowo Mid

AI Developer

emagine Polska

⚲ Warszawa

23 520 - 25 200 PLN netto (B2B)

Wymagania

  • min. 3 lata doświadczenia w Data Science / AI, w tym min. 1 rok przy wdrożeniach produkcyjnych
  • biegłość w Python (pandas, scikit-learn, PyTorch/TensorFlow) oraz SQL
  • praktyczne doświadczenie w MLOps (Azure ML, MLflow, Docker, Kubernetes, CI/CD)
  • znajomość technik NLP/OCR i pracy z danymi niestrukturyzowanymi
  • doświadczenie z platformami chmurowymi Azure i GCP
  • rozumienie wymogów AI Governance oraz AI Act
  • praca hybrydowa — 3 dni w tygodniu w Warszawie

Mile widziane

  • doświadczenie z Azure AI Foundry, Azure AI Search, Power Platform

Opis stanowiska

Projekt dla branży ubezpieczeniowej w modelu B2B, z pracą hybrydową (3 dni w tygodniu w Warszawie). Zakres pokrywa się z typowym wdrożeniem AI/ML i GenAI na Azure — od projektowania modeli, przez MLOps/LLMOps, po RAG i zgodność z AI Act. To oferta dla doświadczonego specjalisty, który akceptuje regularną obecność w biurze i chce pracować przy rozwiązaniach regulowanych w sektorze finansowym.

🔍 Dekoder Ogłoszenia

🔴
tworzenie i wdrażanie rozwiązań AI w branży ubezpieczeniowej
Może oznaczać zarówno budowanie od zera, jak i integrację gotowych narzędzi AI, często w specyficznych, ograniczonych zastosowaniach.
🟡
zaawansowane umiejętności w programowaniu, szczególnie w Pythonie i SQL
Choć Python jest kluczowy, "zaawansowane" może oznaczać potrzebę znajomości wielu bibliotek i frameworków, a SQL może być używany do prostych zapytań lub skomplikowanych analiz.
🟡
biegłość w obszarze MLOps
Wymaga nie tylko znajomości narzędzi, ale także zrozumienia i praktycznego stosowania procesów związanych z cyklem życia modeli uczenia maszynowego.
🟡
znajomość reguł dotyczących AI Governance
Oznacza konieczność rozumienia i stosowania przepisów prawnych oraz wewnętrznych polityk dotyczących etycznego i odpowiedzialnego wykorzystania sztucznej inteligencji.
🔴
praca z najnowszymi modelami LLM
Może oznaczać zarówno korzystanie z gotowych API, jak i fine-tuning lub nawet trenowanie własnych modeli, co jest znacznie bardziej wymagające.