JustJoin.IT Hybrydowo Mid

Ai/Ml Engineer

Rankomat.pl

⚲ Warszawa, Bielsko-Biała, Kraków

Do uzgodnienia

Wymagania

  • Python
  • Pandas
  • NumPy
  • LLM
  • Machine Learning

Opis stanowiska

Rankomat.pl to największa w Polsce porównywarka ubezpieczeń i finansów, która od 16 lat pomaga Klientom porównać i kupić najlepsze ubezpieczenia samochodu, nieruchomości, podróży oraz na życie. Ponadto, dostarczamy naszym Klientom sprawdzoną wiedzę dotyczącą kredytów, pożyczek, kont bankowych i lokat.
Naszą misją jest: „Pomaganie w wygodnym zakupie najlepszych produktów i usług. Tak aby klient czuł się bezpiecznie i był zadowolony z dokonanego wyboru”.
W naszych działaniach kierujemy się wartościami Firmy czyli troską o klienta, współpracą, pasją i odpowiedzialnością.
Do naszego zespołu szukamy osoby na stanowisko AI / ML Engineer, która będzie rozwijać i wdrażać rozwiązania AI wspierające procesy biznesowe oraz współtworzyć nowoczesne produkty oparte na sztucznej inteligencji.

Twoje zadania:
• Projektowanie i budowa rozwiązań opartych na modelach językowych (LLM) oraz systemach AI;
• Tworzenie aplikacji AI, w tym systemów wieloetapowych (AI Agents) oraz automatyzacji procesów;
• Projektowanie i rozwój rozwiązań do wyszukiwania oraz przetwarzania danych z wykorzystaniem architektury RAG i baz wektorowych;
• Rozwój, trenowanie i optymalizacja modeli Machine Learning dla różnych typów danych (tekst, obrazy, szeregi czasowe);
• Przygotowywanie danych oraz budowę pipeline'ów do przetwarzania i uczenia modeli;
• Optymalizacja jakości modeli pod kątem skuteczności, wydajności i kosztów działania;
• Wdrażanie rozwiązań AI do środowisk produkcyjnych (API, monitoring, utrzymanie);
• Testowanie, ewaluację oraz dokumentowanie tworzonych rozwiązań.

Będziesz idealną osobą, jeżeli:
• Masz minimum 3 lata doświadczenia w pracy na stanowisku Data Scientist, Data Engineer lub Deweloper;
• Potrafisz budować rozwiązania AI/ML, w tym aplikacji opartych o modele językowe (LLM);
• Znasz zagadnienia związane z Machine Learning, Deep Learning oraz Generative AI;
• Dobrze znasz Pythona i potrafisz tworzyć kod produkcyjny;
• Pracujesz swobodnie z danymi, potrafisz je analizować, przygotowywać i wykorzystywać w procesie budowy modeli;
• Znasz biblioteki Python, takie jak Pandas i NumPy oraz narzędzia NPL (np. Hugging Face, SpaCy);
• Masz doświadczenie w pracy frameworkami Machine Learning (PyTorch, TensorFlow lub Scikit-learn);
• Potrafisz integrować rozwiązania z API oraz systemami backendowymi;
• Interesujesz się nowymi technologiami oraz dobrze odnajdujesz w dynamicznym środowisku;
• Cechujesz się dobrą organizacją pracy oraz dbasz o jakość dostarczanych rozwiązań;
• Masz wykształcenie wyższe – mile widziane kierunki techniczne lub ścisłe (informatyka, matematyka, data science, AI);
• Znasz język angielski na poziomie minimum B2.
Dodatkowym atutem będzie:
• Doświadczenie w pracy z modelami lokalnymi;
• Znajomość narzędzi MLOps i pipeline’ów ML;
• Umiejętność pracy z bazami wektorowymi i rozwiązaniami RAG.

Co oferujemy?
• Wybór formy zatrudnienia: Umowa o pracę lub B2B;
• Realne wdrożenie w Twoją pracę, nie zostawiamy Cię samemu na starcie;
• Pakiet benefitów: prywatna opieka medyczna, karta sportowa, grupowe ubezpieczenie na życie;
• Pracę z nowoczesnym stosem technologicznym oraz modelami generatywnymi;
• Realny wpływ na rozwój produktów i wdrażanych rozwiązań;
• Krótszy dzień pracy w piątki.

🔍 Dekoder Ogłoszenia

🔴
współtworzyć nowoczesne produkty oparte na sztucznej inteligencji
Twoja rola może polegać na implementacji istniejących rozwiązań AI w nowych produktach, a niekoniecznie na tworzeniu innowacyjnych algorytmów od podstaw.
🔴
wspierające procesy biznesowe
Główny nacisk może być położony na optymalizację istniejących procesów, a nie na tworzenie przełomowych, badawczych rozwiązań AI.
🔴
systemów wieloetapowych (AI Agents)
Może to oznaczać pracę z już istniejącymi frameworkami do budowy agentów, a niekoniecznie projektowanie ich architektury od zera.
🔴
optymalizacja jakości modeli pod kątem skuteczności, wydajności i kosztów działania
Duży nacisk będzie położony na praktyczne aspekty wdrożenia i utrzymania modeli, co może oznaczać kompromisy w stosunku do czystej teoretycznej skuteczności.
🔴
Wdrażanie rozwiązań AI do środowisk produkcyjnych (API, monitoring, utrzymanie)
Znaczna część pracy może dotyczyć aspektów MLOps, czyli utrzymania i monitorowania modeli w produkcji, a nie tylko ich tworzenia i trenowania.