Specjalista/tka ds. sztucznej inteligencji

O projekcie:
Chcesz tworzyć aplikacje, którymi pochwalisz się przed milionami Polaków?
Jesteśmy zespołem, który lubi ze sobą pracować, bo łączy nas pasja do wytwarzania oprogramowania. Lubimy dążyć do doskonałości, śledzimy trendy technologiczne, pracujemy w SCRUMie, wierzymy w Czysty Kod i kierujemy się filozofią DevOps.
Nasza praca jest ważna - tworzymy środowisko Ogólnopolskiej Sieci Edukacyjnej. Rozwijamy portale, z których uczniowie i nauczyciele korzystają na co dzień. Otwieramy ich na nowe technologie oraz podnosimy ich kompetencje cyfrowe. Część funkcjonalności w mObywatel to nasz sukces, a dostarczamy również oprogramowanie dla Ministerstwa Cyfryzacji.

Dołącz do nas i buduj Cyfrową Polskę!

Wymagania:
- Min. 2 lata doświadczenia w ML/NLP w środowisku produkcyjnym
- Bardzo dobra znajomość Pythona w kontekście ML
- Produkcyjne doświadczenie z fine-tuningiem modeli transformer do klasyfikacji tekstu
- PyTorch lub TensorFlow na poziomie zaawansowanym
- Praktyczna znajomość MLflow
- Docker — budowanie obrazów i serwowanie modeli jako usług
- Umiejętność pracy zarówno na danych tekstowych, jak i obrazowych
- Git, code review, dokumentacja techniczna, testy jednostkowe i integracyjne
Mile widziane
- Computer Vision: detekcja obiektów- Airflow i DVC- Active learning i strategie selekcji trudnych próbek- Optymalizacja modeli pod inferencję- Doświadczenie z moderacją treści, danymi wrażliwymi lub środowiskiem regulowanym- Doświadczenie z RAG, guardrails i oceną jakości odpowiedzi LLM

Codzienne zadania:
- Projektowanie, trenowanie i ewaluacja modeli NLP do klasyfikacji treści niebezpiecznych
- Fine-tuning modeli transformer
- Trening i ewaluacja modeli wizji komputerowej
- Budowa i utrzymanie pipelinów treningowych oraz wersjonowania danych i modeli
- Zarządzanie eksperymentami w MLflow - metryki, artefakty, Model Registry
- Konteneryzacja i serwowanie modeli jako usług oraz monitoring ich jjakości na produkcji
- Przygotowanie datasetów czyszczenie, tokenizacja, walidacja, augmentacja, balansowanie
- Dokumentowanie procesu uczenia, wyników i decyzji architektonicznych
- Mentoring i code review