Senior Full Stack Python/AI Developer / AI Architect
PEOPLE TRUST SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
⚲ Warszawa
170–187 zł netto (+ VAT) / godz.
Wymagania
- min. 3 lata doświadczenia w Data Science / AI, w tym min. 1 rok z wdrożeniami produkcyjnymi
- bardzo dobra znajomość Python + FastAPI
- bardzo dobra znajomość React / Next.js
- doświadczenie z LangGraph lub podobnymi frameworkami orkiestracji agentów
- doświadczenie z prompt engineering i context engineering
- bardzo dobra znajomość usług Azure: Blob Storage, Document Intelligence, AI Foundry
- praktyczne doświadczenie z MLOps: Azure ML, MLflow, Docker, Kubernetes, CI/CD
- doświadczenie w pracy z NLP/OCR oraz danymi niestrukturyzowanymi
Opis stanowiska
Budowa produkcyjnej platformy Underwriter OS dla klienta z sektora ubezpieczeniowego — aplikacja łączy frontend w Next.js/React z backendem Python/FastAPI, a Twoim zadaniem będzie projektowanie i integracja agentów AI, rozwijanie orkiestratora opartego na LangGraph/LangChain oraz tworzenie procesów ekstrakcji danych z dokumentów brokerskich z użyciem NLP/OCR. To rola dla osoby, która czuje się swobodnie zarówno w kodzie full-stackowym, jak i w AI Engineering, i chce budować realne systemy produkcyjne, a nie proof of concept.
🔍 Dekoder Ogłoszenia
🔴
Senior Full Stack Python/AI Developer / AI Architect
Połączenie roli developera z architekturą może oznaczać potrzebę samodzielnego projektowania rozwiązań od podstaw, a nie tylko implementacji.
🔴
minimum 1 rok doświadczenia z wdrożeniami produkcyjnymi
Może oznaczać, że większość doświadczenia kandydata jest w fazie prototypowania lub testowania, a nie w utrzymaniu i skalowaniu rzeczywistych systemów.
🟡
bardzo dobrą znajomość Python + FastAPI
Podkreślenie FastAPI może sugerować, że projekt mocno opiera się na tym konkretnym frameworku, a nie tylko na ogólnej znajomości Pythona.
🔴
doświadczenie z: LangGraph lub podobnymi frameworkami orkiestracji agentów
Wymaganie konkretnego, niszowego frameworka może oznaczać, że projekt jest na wczesnym etapie rozwoju i wymaga kogoś, kto od razu będzie w stanie z nim pracować.
🟢
budować rozwiązania AI nie jako proof of concept, ale jako realne systemy produkcyjne
Podkreśla to nacisk na stabilność, skalowalność i utrzymanie systemów AI w środowisku produkcyjnym, co może być bardziej wymagające niż tworzenie prototypów.