Data Scientist / AI Engineer – Generative AI / GCP
⚲ Warszawa, Żoliborz
180–210 zł netto (+ VAT) / godz.
Wymagania
- doświadczenie we wdrażaniu rozwiązań RAG oraz zarządzaniu bazami lub indeksami wektorowymi (np. pgvector, Vertex Vector Search)
- umiejętność definiowania i monitorowania metryk oceny systemów AI (halucynacje, opóźnienia, filtry odpowiedzialnego AI)
- mocne podstawy analizy statystycznej i prognozowania na zbiorach liczących miliony rekordów
- umiejętność wyjaśniania osobom nietechnicznym zagadnień LLM (pre-training vs fine-tuning, LLM vs tradycyjny ML)
- doświadczenie w prowadzeniu projektów dla klientów strategicznych, zbieraniu wymagań i określaniu harmonogramów pilotaży AI
Mile widziane
- doświadczenie z platformami Conversational AI do budowania agentów lub analizy rozmów
- znajomość Infrastructure as Code (IaC)
- znajomość funkcjonowania contact center i integracji telefonicznych SIP/RTP
Opis stanowiska
Rola w obszarze Generative AI na GCP — przekształcanie danych z rozmów (nagrania audio i transkrypcje) w informacje wspierające decyzje biznesowe. Będziesz projektować i wdrażać pipeline'y analityczne z użyciem Speech-to-Text, Gemini i Vertex AI, budować rozwiązania RAG oraz dashboardy analityczne w BigQuery. Uwaga: rola może wymagać samodzielnego prowadzenia całego cyklu projektu, od zbierania wymagań po wdrożenie, oraz umiejętności tłumaczenia zagadnień LLM osobom nietechnicznym.
🔍 Dekoder Ogłoszenia
🔴
Doświadczenie w prowadzeniu projektów dla klientów strategicznych, zbieraniu wymagań i określaniu harmonogramów pilotaży AI.
Może oznaczać, że będziesz musiał samodzielnie zarządzać całym cyklem życia projektu, od pozyskania klienta po wdrożenie, często z ograniczonym wsparciem.
🔴
Umiejętność wizualizacji danych i prezentowania wyników analiz w sposób przydatny dla biznesu.
Oczekuje się, że będziesz nie tylko analizować dane, ale także przekładać je na konkretne rekomendacje biznesowe, co może wymagać umiejętności sprzedażowych.
🔴
Umiejętność wyjaśniania osobom nietechnicznym złożonych zagadnień dotyczących LLM, w tym różnic między pre-trainingiem a fine-tuningiem oraz pomiędzy LLM a tradycyjnym ML.
Poza technicznymi umiejętnościami, kluczowa będzie zdolność do komunikacji i edukowania innych, co może wykraczać poza typowe obowiązki inżyniera AI.
🟡
Doświadczenie we wdrażaniu rozwiązań RAG oraz zarządzaniu bazami lub indeksami wektorowymi, np. pgvector w Cloud SQL lub Vertex Vector Search.
Wymaga to nie tylko znajomości koncepcji RAG, ale także praktycznego doświadczenia w konfiguracji i utrzymaniu specyficznych narzędzi bazodanowych i wyszukiwania wektorowego.
🟡
Mocne podstawy analizy statystycznej, w tym analizy trendów w zbiorach liczących miliony rekordów oraz prognozowania wzrostu wykorzystania usług.
Oczekuje się głębokiego zrozumienia metod statystycznych i umiejętności ich zastosowania do przewidywania przyszłych zachowań na dużą skalę.