Full Stack Python / AI Developer | Branża Ubezpieczeniowa
⚲ Warszawa
Do uzgodnienia
Wymagania
- Min. 2 lata doświadczenia w Data Science / AI, w tym min. 1 rok we wdrożeniach produkcyjnych
- Dobra znajomość React/Next.js oraz Python/FastAPI
- Dobra znajomość Azure Blob Storage, Document Intelligence oraz AI Foundry
- Znajomość LangGraph lub podobnych narzędzi orkiestracyjnych, prompt engineeringu i context engineeringu
- Praktyczne doświadczenie w MLOps (Azure ML, MLflow, Docker, Kubernetes, CI/CD)
- Rozumienie wymogów AI Governance oraz AI Act
- Wykształcenie wyższe techniczne (matematyka, informatyka, nauki ścisłe lub inżynieria)
- Gotowość do pracy hybrydowej — 3 dni w tygodniu z biura klienta w Warszawie
Opis stanowiska
Zespół buduje 'Underwriter OS' — agentów AI i aplikacje wspierające pracę underwriterów w firmie ubezpieczeniowej, z integracją do systemów polis, taryfikacji, DMS, CRM i Outlooka. Praca jest pionierska: współtworzysz nowy model operacyjny dla biznesu, łącząc frontend (Next.js/React) z backendem FastAPI i orkiestracją agentów (LangGraph/LangChain) na Azure. Wymagany jest realny wkład produkcyjny w AI/Data Science (min. 1 rok wdrożeń produkcyjnych), a nie tylko doświadczenie badawcze. Uwaga: model hybrydowy — 3 dni w tygodniu z biura klienta w Warszawie.
🔍 Dekoder Ogłoszenia
🟡
Minimum 2 lata doświadczenia w Data Science / AI, w tym co najmniej 1 rok doświadczenia we wdrożeniach produkcyjnych
Szukają kogoś, kto nie tylko potrafi budować modele, ale też je wdrażać i utrzymywać w działającym środowisku.
🟡
Dobra znajomość React/Next.js oraz Python/FastAPI
Oczekują biegłości w obu stosach technologicznych, co może oznaczać pracę zarówno nad frontendem, jak i backendem.
🟡
Dobra znajomość Azure Blob Storage, Document Intelligence oraz AI Foundry
Kluczowe jest doświadczenie z konkretnymi usługami Azure, co może sugerować, że projekt jest mocno osadzony w ekosystemie Microsoft.
🟡
Praktyczne doświadczenie w obszarze MLOps, w szczególności Azure ML, MLflow, Docker, Kubernetes oraz CI/CD
Wymagają umiejętności automatyzacji procesów uczenia maszynowego, co jest standardem w nowoczesnych projektach AI.
🟡
Proaktywna postawa i gotowość do przejmowania odpowiedzialności za zadania od etapu pomysłu aż do implementacji
Oczekują samodzielności i zaangażowania w cały cykl życia projektu, co może oznaczać dużą autonomię, ale też konieczność radzenia sobie z nieprzewidzianymi wyzwaniami.