Senior Data Scientist

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. Daily tasks: - 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. 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. Must have: Python, GenAI, LLM, RAG, LangChain, LandGraph