Senior Data Scientist (GenAI)
⚲ Warszawa
27 720 - 30 240 PLN netto (B2B)
Wymagania
- min. 6 lat doświadczenia w Data Science lub AI
- min. 2 lata doświadczenia z produkcyjnymi rozwiązaniami wykorzystującymi LLM
- bardzo dobra znajomość Python i umiejętność tworzenia jakościowego, testowalnego kodu produkcyjnego
- praktyczne doświadczenie w projektowaniu i rozwijaniu systemów RAG
- doświadczenie z vector search, hybrid search i rerankingiem oraz optymalizacją pozyskiwania kontekstu
- praktyczna znajomość LangChain, LangGraph lub podobnego frameworka GenAI
- doświadczenie z MCP oraz integracją modeli i agentów z zewnętrznymi systemami
- dostępność od zaraz lub z maksymalnie 2-tygodniowym okresem wypowiedzenia
Opis stanowiska
Projekt dla międzynarodowej organizacji, która rozwija produkcyjne rozwiązania GenAI do automatyzacji procesów i tworzenia produktów cyfrowych. Jako Senior Data Scientist (GenAI) samodzielnie poprowadzisz inicjatywę AI od koncepcji i eksperymentu do wdrożenia produkcyjnego: projektowanie podejścia technicznego, dobór modeli, budowa systemów RAG i agentowych, ewaluacja jakości oraz integracja z istniejącym środowiskiem. Oferta dla doświadczonych osób, które łączą kompetencje Data Science z realnym wdrożeniem LLM-ów na produkcji i chcą współtworzyć standardy oraz komponenty wielokrotnego użytku.
🔍 Dekoder Ogłoszenia
🔴
samodzielnie przeprowadzić inicjatywę AI od koncepcji i eksperymentu do rozwiązania gotowego do wykorzystania produkcyjnego
Oczekuje się, że będziesz w stanie samodzielnie zarządzać całym cyklem życia projektu AI, od pomysłu po wdrożenie, bez znaczącego wsparcia.
🔴
rozwoju produkcyjnych rozwiązań GenAI wykorzystujących LLM, RAG oraz systemy agentowe
Projekt może wymagać pracy z istniejącymi, być może niedoskonałymi, systemami produkcyjnymi, a nie tylko tworzenia od zera.
🔴
projektowanie podejścia technicznego
Może to oznaczać, że będziesz musiał sam wymyślić i uzasadnić wybór technologii, a nie tylko implementować gotowe rozwiązania.
🔴
integrację z istniejącym środowiskiem technologicznym
Może to oznaczać konieczność pracy z przestarzałymi lub słabo udokumentowanymi systemami.
🟡
dobieraniem modeli oraz podejścia odpowiedniego do specyfiki danego przypadku użycia
Oczekuje się od Ciebie szerokiej wiedzy i umiejętności oceny różnych narzędzi i technik, a nie tylko stosowania jednego, ulubionego.