Senior Data Scientist

O projekcie:
W ramach projektu będziesz pracować nad zaawansowanymi rozwiązaniami opartymi o Large Language Models, w tym chatbotami, systemami RAG oraz rozwiązaniami wykorzystującymi AI Agents.

Rola łączy kompetencje z obszaru Data Science, AI Engineering, Software Engineering oraz GenAI. Duży nacisk położony jest na jakość, bezpieczeństwo, skalowalność i gotowość rozwiązań do działania w środowisku produkcyjnym.

Wymagania:
- Minimum 6 lat doświadczenia w Data Science / AI Engineering.- Minimum 4 lata komercyjnego doświadczenia z Pythonem, w tym tworzeniem kodu produkcyjnego.- Minimum 2 lata doświadczenia z produkcyjnymi rozwiązaniami opartymi o LLM.- Praktyczne doświadczenie z RAG i budowaniem produkcyjnych pipeline'ów.- Bardzo dobra znajomość LLM, Generative AI, chatbotów oraz AI Agents.- Doświadczenie z LangChain, LangGraph, LlamaIndex lub podobnymi frameworkami.- Praktyczne doświadczenie z MCP (Model Context Protocol) – MCP servers / clients.- Znajomość LLM evaluation, evaluators, validators oraz guardrails.- Bardzo dobra znajomość Python i doświadczenie w tworzeniu skalowalnego, testowalnego kodu produkcyjnego.- Dobre zrozumienie Machine Learning / AI, algorytmów, cyklu życia modeli oraz architektury rozwiązań AI.- Doświadczenie z rozwiązaniami chmurowymi – preferowany Azure, ale akceptowane są również AWS lub GCP.- Znajomość CI/CD, testowania oraz konteneryzacji.- Bardzo dobra znajomość języka angielskiego.- Samodzielność, umiejętność analitycznego myślenia i rozwiązywania złożonych problemów.- Umiejętność współpracy z zespołami technicznymi i biznesowymi.

Codzienne zadania:
- Projektowanie architektury rozwiązań GenAI na podstawie potrzeb biznesowych i technicznych.
- Dobór odpowiednich modeli LLM oraz podejścia – m.in. RAG, fine-tuning, agents czy prompt engineering.
- Budowanie aplikacji GenAI end-to-end – od ingestii danych, przez retrieval i orchestration, po backend, API i prosty interfejs użytkownika.
- Projektowanie i rozwój zaawansowanych pipeline'ów RAG, obejmujących m.in. vector databases, hybrid search, reranking oraz query transformation.
- Praca z frameworkami takimi jak LangChain, LangGraph, LlamaIndex lub podobnymi.
- Projektowanie i rozwój AI Agents oraz rozwiązań agentic AI.
- Implementacja i wykorzystanie MCP (Model Context Protocol) – zarówno po stronie serwerów, jak i klientów.
- Dobór modeli, prompt engineering oraz fine-tuning z wykorzystaniem m.in. LoRA, QLoRA czy SFT.
- Tworzenie mechanizmów oceny jakości modeli i aplikacji LLM, w tym LLM evaluators, validators, A/B testing oraz evaluation frameworks.
- Implementacja mechanizmów guardrails, safety, PII handling, audit logs oraz human-in-the-loop.
- Budowanie produkcyjnego kodu w Pythonie z wykorzystaniem dobrych praktyk dotyczących testowania, packagingu i jakości kodu.
- Współpraca z Data Engineers, Data Scientists, Software Engineers oraz Product Ownerami.
- Udział w projektowaniu skalowalnych architektur, integracji enterprise oraz rozwiązań spełniających wymagania dotyczące wydajności i SLA.
- Analiza wymagań technicznych, estymowanie prac oraz prowadzenie discovery.
- Tworzenie PoC i eksperymentowanie z nowymi rozwiązaniami z obszaru GenAI.
- Dzielenie się wiedzą oraz mentoring mniej doświadczonych osób.
- Tworzenie reusable components, bibliotek i wewnętrznych template'ów.