NoFluffJobs Stacjonarnie Senior

Senior NLP Specialist (K\M)

NASK Państwowy Instytut Badawczy

⚲ Warszawa

8 000 - 16 000 PLN (PERMANENT)

Wymagania

  • NLP
  • LLM
  • Python
  • TensorFlow
  • PyTorch
  • NumPy
  • scikit-learn
  • pandas

Opis stanowiska

O projekcie: NASK SCIENCE, działając w ramach NASK, prowadzi prace badawczo-rozwojowe w dziedzinach cyberbezpieczeństwa, informatyki i sztucznej inteligencji. W NASK SCIENCE kształtujemy świat, odpowiedzialnie rozwijając technologię służącą społeczeństwu. Społeczne i komercyjne wyzwania ujmujemy w ramy nauki, by dojść do innowacyjnych wyników. Wykrywamy rozsiewanie (dez)informacji w sieciach społecznościowych. Rozwijamy ogólnokrajowe systemy cyberbezpieczeństwa. Tworzymy algorytmy sztucznej inteligencji wspomagające skomplikowane operacje chirurgiczne, sprawdzanie tożsamości, a nawet analizę ruchu zawodników na boisku.  Oferujemy:   - Realizację ciekawych projektów B+R; - Wsparcie doświadczonego zespołu przy realizacji powierzonych zadań; - Możliwość rozwoju naukowego; - Atrakcyjne benefity pracownicze; - Wynagrodzenie 8 000 – 16 000 PLN brutto science.nask.pl Wymagania: - Min. 3 letnie doświadczenie w obszarze NLP lub uczenia maszynowego - Praktyczna znajomość dużych modeli językowych (LLM) oraz współczesnych podejść do ich wykorzystania - Wykształcenie wyższe w kierunku technicznym - Znajomość języka angielskiego na poziomie pozwalającym na czytanie dokumentacji technicznej - Zaawansowana znajomość języka Python i bibliotek uczenia maszynowego (Tensorflow i/lub Pytorch, numpy, scikit-learn, pandas) Mile widziane - Doświadczenie w projektach badawczo-rozwojowych lub prototypowych - Doświadczenie w przetwarzaniu logów, danych zdarzeniowych lub danych nieustrukturyzowanych - Znajomość problematyki cyberbezpieczeństwa lub systemów analitycznych - Doświadczenie w pracy z zespołami systemowymi lub architektonicznymi Codzienne zadania: - Projektowanie koncepcji wykorzystania LLM, w tym technologii RAG, do eksploracji danych tekstowych - Inżynieria danych wejściowych modeli w postaci logów/dzienników systemowych - Dobór i ocena podejść, modeli oraz architektury odpowiedniej do przetwarzania danych o charakterze logów/dzienników systemowych - Projektowanie potoków (ang. pipeline) przetwarzania danych (przygotowanie, indeksowanie, wyszukiwanie kontekstu) - Budowa prototypów i proof-of-concept rozwiązań NLP/LLM - Identyfikacja ryzyk technicznych i ograniczeń związanych z użyciem LLM w systemach bezpieczeństwa