Applied AI Engineer
⚲ Warszawa, Kraków, Wrocław, Poznań, Gdańsk
Do uzgodnienia
Wymagania
- solidne podstawy uczenia maszynowego i nowoczesnych architektur sieci neuronowych
- praktyczne doświadczenie w trenowaniu, dostrajaniu lub wdrażaniu modeli ML
- umiejętność pisania czystego, utrzymywalnego kodu jakości produkcyjnej
- pewność w pracy na wielu warstwach abstrakcji — od modeli i infrastruktury po zachowanie produktu
- mocne umiejętności rozwiązywania problemów w niejednoznacznych i szybko zmieniających się środowiskach
- nastawienie na dostarczanie, mierzenie, iterowanie i ciągłe ulepszanie systemów produkcyjnych
Opis stanowiska
Rola Applied AI Engineera w Talentica przy produkcie AI-native assistant wspierającym codzienną komunikację, organizację i złożone workflow przy minimalnym udziale użytkownika. Twoim zadaniem jest zamiana możliwości modeli w niezawodne zachowanie produktu — od kształtowania zachowania modeli i budowy systemów towarzyszących po zapewnienie efektywności w produkcji. Pracujesz na przecięciu ML, inżynierii systemów i rozwoju produktu, blisko zespołów product i engineering. To oferta dla kogoś, kto lubi rozwiązywać niejednoznaczne problemy i iterować w szybkim tempie. Uwaga: 'own problems end-to-end' oznacza szeroki zakres obowiązków i odpowiedzialność za cały cykl życia problemu.
🔍 Dekoder Ogłoszenia
🔴
turn model capabilities into reliable product behavior
Twoim zadaniem będzie przekształcenie niedoskonałych modeli AI w coś, co faktycznie działa w praktyce, co może oznaczać dużo pracy nad "łataniem" i obejściami.
🔴
own problems end-to-end
Będziesz odpowiedzialny za cały cykl życia problemu, od jego identyfikacji po rozwiązanie, co może oznaczać szeroki zakres obowiązków i potencjalne przeciążenie.
🔴
shaping model behavior
Może to oznaczać nie tylko dostrajanie modeli, ale także tworzenie skomplikowanych systemów wokół nich, aby wymusić pożądane zachowanie.
🟡
making AI deliver real value to users in production environments—not only in prototypes and demonstrations
Oznacza to, że nie będziesz pracować nad "fajnymi" eksperymentami, ale nad produktem, który musi działać niezawodnie i przynosić konkretne korzyści użytkownikom.
🔴
Transform raw model outputs into structured, reliable and predictable product behavior
To kluczowe zadanie, które sugeruje, że modele AI generują chaotyczne dane, a Ty będziesz musiał stworzyć systemy, które je uporządkują i uczynią użytecznymi.