AI/ML Engineer (Custom Models, NLP, Python)

Grantbot.ai to firma rozwijająca platformę AI do automatyzacji procesu pozyskiwania dotacji i grantów. Narzędzie wspiera użytkowników w wyszukiwaniu odpowiednich programów finansowania oraz w przygotowywaniu wniosków i biznesplanów, kierując ofertę m.in. do startupów, firm doradczych i instytucji publicznych. Twój zakres obowiązków • Szukamy osoby, która pomoże nam zbudować własne modele AI i przewagę technologiczną (IP) w obszarze wniosków o dotacje. Nie jesteśmy kolejnym wrapperem na OpenAI - rozwijamy system, który: • uczy się na tysiącach wniosków i danych • analizuje jakość i poprawność aplikacji • automatycznie generuje i waliduje dokumenty Twoją rolą będzie przejście od LLM + RAG → własne modele i pipeline’y ML. • Budowa i rozwój modeli ML/NLP na danych grantowych (klasyfikacja, scoring, extraction, rekomendacje) • Tworzenie i trenowanie modeli (PyTorch / HuggingFace / inne) • Przygotowanie datasetów: czyszczenie, augmentacja, labeling • Projektowanie pipeline’ów ML (trening, ewaluacja, iteracja) • Rozwój i optymalizacja istniejących pipeline’ów RAG • Eksperymenty z fine-tuningiem modeli (LLM / mniejsze modele) • Integracja modeli z backendem (FastAPI, inference endpoints) • Monitorowanie jakości modeli i iteracyjne ulepszanie (feedback loop) • Współpraca przy budowie architektury AI i długoterminowego I Nasze wymagania • 3–5+ lat doświadczenia w Pythonie • Doświadczenie z ML / AI w praktyce (nie tylko API) • Znajomość PyTorch lub TensorFlow • Doświadczenie z NLP (tekst, embeddings, klasyfikacja, similarity) • Praca z danymi: preprocessing, feature engineering, datasety • Umiejętność trenowania / fine-tuningu modeli • Doświadczenie z API (FastAPI / Flask / podobne) • Samodzielność i ownership Mile widziane • Doświadczenie z HuggingFace (transformers, datasets) • Fine-tuning LLM (LoRA, PEFT itp.) • Doświadczenie z RAG (embeddings, retrieval) • Vector DB (MongoDB Atlas / Qdrant / Pinecone / Redis) • Doświadczenie z GCP / Docker / CI/CD • Budowa systemów produkcyjnych z modelami ML Tak organizujemy naszą pracę Liczba osób w zespole • 5 Tak pracujemy • wewnątrz organizacji • koncentrujesz się na jednym projekcie • masz wpływ na wybór narzędzi i technologii • masz wpływ na rozwiązania technologiczne • masz wpływ na produkt • tworzysz kod "od zera" To oferujemy • Startupowy klimat: szybkie iteracje, realny wpływ na produkt • Budujemy coś więcej niż integrację API — tworzymy własną technologię • Preferujemy pracę hybrydową (Trójmiasto) • Duża autonomia i wpływ na decyzje technologiczne • Realny wpływ na architekturę AI i rozwój produktu • Możliwość budowy własnych modeli i IP (nie tylko integracji API) • Bliską współpracę z founderem i zespołem • Budujesz coś, co realnie zarabia i ma rynek • Masz dostęp do unikalnych danych (wnioski, scoring, walidacje) • Tworzysz system, który może być defensywnym moat’em technologiczno-danych