Zakres współpracy

• projektowanie, rozwijanie i wdrażanie funkcjonalności wykorzystujących LLM oraz machine learning, m.in. w oparciu o OpenAI API,

• budowanie systemów wykorzystujących RAG, embeddings, vector search, tool/function calling oraz agentic workflows,

• trenowanie, ewaluacja i wdrażanie modeli ML, wraz z przygotowaniem i przetwarzaniem danych potrzebnych do ich rozwoju,

• rozwijanie backendowych komponentów AI w Pythonie,

• integrowanie rozwiązań AI/ML z naszym backendem, API, bazami danych oraz usługami zewnętrznymi,

• współpraca z developerami, zespołem produktowym oraz klientami wewnętrznymi przy projektowaniu i rozwijaniu nowych funkcjonalności,

• projektowanie mechanizmów ewaluacji oraz monitorowanie jakości działania systemów AI na produkcji,

• optymalizowanie systemów AI/ML pod kątem jakości, wydajności, stabilności oraz kosztów.

• asystentami AI wykorzystującymi wiedzę i dane Respo,

• rozwiązaniami AI wspierającymi codzienną pracę dietetyków,

• rozpoznawaniem posiłków i produktów na podstawie zdjęć,

• automatycznym przetwarzaniem i analizowaniem informacji przekazywanych przez użytkowników,

• mechanizmami personalizacji, systemami rekomendacyjnymi oraz modelami predykcyjnymi.

Nasze wymagania

• bardzo dobra znajomość Pythona i doświadczenie w tworzeniu kodu gotowego do pracy na produkcji,

• komercyjne doświadczenie w projektowaniu, budowaniu i wdrażaniu systemów AI/ML,

• praktyczne doświadczenie w pracy z LLM oraz API modeli językowych, w szczególności OpenAI, w tym z RAG, embeddings i vector search,

• doświadczenie z tool/function calling, agentami AI oraz wieloetapowymi workflow opartymi na LLM,

• praktyczna znajomość machine learningu — od przygotowania danych, przez trenowanie modeli, po ich ewaluację, np. z wykorzystaniem PyTorch lub scikit-learn,

• swobodna praca z pandas, NumPy oraz przetwarzaniem i analizą danych,

• umiejętność pracy z REST API, bazami danych, Gitem oraz Dockerem,

• samodzielność w prowadzeniu projektu — od analizy problemu i doboru technologii, przez zaprojektowanie rozwiązania, aż po jego wdrożenie.

• doświadczenie w pracy z frameworkami do tworzenia aplikacji opartych na LLM, takimi jak LangChain, LangGraph, LlamaIndex lub podobnymi,

• doświadczenie w obszarze computer vision oraz pracy z modelami multimodalnymi,

• znajomość zagadnień MLOps, w tym monitorowania modeli i utrzymywania rozwiązań ML/AI na produkcji,

• doświadczenie w pracy z dużymi zbiorami danych oraz budowaniu i rozwijaniu pipeline’ów danych,

• doświadczenie w tworzeniu systemów rekomendacyjnych, predykcyjnych lub innych rozwiązań wykorzystujących machine learning.