Senior AI Engineer
⚲ Warszawa, Gdańsk, Kraków, Wrocław, Poznań
24 000 - 30 000 PLN netto (B2B)
Wymagania
- min. 5 lat doświadczenia w software engineering, w tym dostarczanie i wsparcie produkcyjnych aplikacji LLM poza fazą proof-of-concept
- doświadczenie z LLM APIs, prompt design i agentami z tool calling (LangChain, LangGraph lub odpowiedniki)
- praktyczne doświadczenie z RAG: embeddings, vector i hybrid search, reranking, mierzenie jakości retrievalu i odpowiedzi
- solidne podstawy ML: przetwarzanie danych, feature engineering, trening i ewaluacja modeli oraz wdrażanie modeli non-LLM do produkcji (PyTorch, scikit-learn, NumPy, pandas)
- doświadczenie we wdrażaniu aplikacji chmurowych, preferowanie Azure, z kontenerami, CI/CD, infrastructure as code i monitoringiem
- mocne umiejętności SQL, preferowanie PostgreSQL, oraz zrozumienie uwierzytelniania, kontroli dostępu i bezpiecznego przetwarzania danych
Opis stanowiska
Evertz, firma tworząca hardware i software dla telewizji na żywo, produkcji filmowej i streamingu, szuka Senior AI Engineera do budowy i utrzymania produkcyjnych systemów AI w całym portfolio firmy. Rola jest hands-on: od prototypowania, przez integrację, po wdrożenie, monitoring i wsparcie — będziesz budować agentów, aplikacje multimodalne, workflow LLM i pipeline'y RAG, a także stosować klasyczne ML tam, gdzie ma to sens. To oferta dla osoby, która chce mieć realny wpływ na kierunek techniczny zespołu i pracować end-to-end nad zróżnicowanymi zastosowaniami AI, od walidacji projektów hardware'owych po przetwarzanie audio i wideo.
🔍 Dekoder Ogłoszenia
🟡
help set the team's technical direction
Twoje pomysły będą brane pod uwagę, ale ostateczne decyzje techniczne mogą należeć do bardziej doświadczonych osób lub kierownictwa.
🔴
This is a hands-on role: you own solutions end-to-end
Będziesz odpowiedzialny za wszystkie etapy projektu, od koncepcji po utrzymanie, co może oznaczać dużo pracy i brak wyraźnego podziału obowiązków.
🔴
Turn messy inputs (datasheets, schematics, test logs, media, business data) into grounded AI capabilities
Duża część pracy będzie polegać na przygotowaniu i czyszczeniu danych, co może być czasochłonne i frustrujące, zanim przejdzie się do właściwego modelowania.
🟡
Apply classical ML where it fits (classification, anomaly detection, computer vision, audio processing), often on noisy or limited datasets
Możesz nie pracować wyłącznie z najnowszymi modelami generatywnymi, ale także z tradycyjnymi technikami ML, które mogą być trudniejsze do zastosowania na niedoskonałych danych.