Site Reliability Engineer – Data & AI
⚲ Warszawa
Do uzgodnienia
Wymagania
- min. 2 lata doświadczenia w Software Engineering lub Data Engineering
- doświadczenie w budowaniu pipeline'ów ETL/ELT
- mocne umiejętności programowania w Pythonie (produkcyjna jakość kodu)
- praktyczne doświadczenie w budowaniu z LLM lub agentami AI — wdrożone rozwiązanie wykorzystujące generatywne AI w środowisku produkcyjnym lub bliskim produkcji
- znajomość usług chmurowych (preferowany Azure), w tym Infrastructure as Code (np. Terraform)
- doświadczenie w budowaniu systemów logowania w środowisku produkcyjnym
- gotowość do zatrudnienia na umowę o pracę (pełny etat)
Opis stanowiska
Budowa agentów AI, automatyzacji i narzędzi utrzymujących korporacyjne pipeline'y danych w skali — tworzysz systemy wykrywające i diagnozujące problemy w danych, proaktywne kontrole jakości oraz narzędzia logowania i monitoringu. Rola dla inżyniera, który pisze produkcyjny kod w Pythonie i ma praktyczne doświadczenie z LLM/agentami AI wdrożonymi w środowisku produkcyjnym lub bliskim produkcji. Szczera uwaga: zatrudnienie wyłącznie na umowę o pracę, praca hybrydowa (2 dni zdalnie).
🔍 Dekoder Ogłoszenia
🔴
builds things — AI agents, automations, and tools that keep our enterprise data pipelines running at scale
Oczekuje się, że będziesz samodzielnie tworzyć nowe rozwiązania, a nie tylko utrzymywać istniejące.
🟡
you write production-quality code
Oczekuje się od Ciebie kodu, który jest nie tylko funkcjonalny, ale także dobrze przetestowany, udokumentowany i zgodny ze standardami.
🔴
Practical experience building with LLMs or AI agents; you have shipped something that uses generative AI in a production or near-production context.
Posiadanie doświadczenia w praktycznym wdrażaniu modeli AI, a nie tylko teoretycznej wiedzy.
🟡
Collaborate with engineering teams to embed observability, reliability, and resilience from design through to production — not add it after things break.
Musisz aktywnie uczestniczyć w procesie projektowania i wdrażania, aby zapewnić te cechy od początku.
🟡
Investigate failures, identify root causes, and turn learnings into better systems.
Oczekuje się od Ciebie nie tylko rozwiązywania problemów, ale także wyciągania wniosków i wprowadzania trwałych ulepszeń.