GenAI Engineer – Conversational Analytics

• bardzo dobra znajomość Javy i/lub Pythona,
• praktyczne doświadczenie w budowie rozwiązań wykorzystujących LLM,
• znajomość co najmniej jednego frameworka, np. LangChain4j, Google ADK, Pydantic AI lub Spring AI,
• znajomość Google BigQuery, w tym SQL, modelowania danych oraz optymalizacji kosztów i wydajności,
• doświadczenie w tworzeniu usług i integracji REST API,
• umiejętność testowania i diagnozowania systemów opartych na LLM,
• znajomość dobrych praktyk tworzenia, wdrażania i utrzymywania oprogramowania.

Mile widziane

• doświadczenie z NL2SQL, conversational analytics lub rozwiązaniami BI-as-chat,
• znajomość RAG, embeddingów, chunkingu i re-rankingu,
• doświadczenie w przetwarzaniu dokumentów, obrazów lub nagrań audio, w tym OCR, ekstrakcji tekstu i transkrypcji,
• doświadczenie z ewaluacją systemów GenAI, testami offline i online oraz wersjonowaniem promptów,
• znajomość semantic lub metrics layer, cache’owania i preagregacji,
• znajomość MCP oraz architektur agentowych,
• doświadczenie z bazami wektorowymi, np. Qdrant, Pinecone, Weaviate lub Milvus,
• znajomość baz grafowych, np. Neo4j, oraz podejścia GraphRAG,
• znajomość FastAPI, Kubernetes, Cloud Run i Pub/Sub,
• znajomość Rusta,
• doświadczenie w środowisku regulowanym, obejmującym audyt, klasyfikację danych, kontrolę dostępu i ochronę danych wrażliwych.

Nie oczekujemy znajomości wszystkich wymienionych technologii. Szukamy osoby z solidnymi podstawami inżynierii oprogramowania i praktycznym doświadczeniem w pracy z LLM, gotowej rozwijać się w obszarze „chat with data”, danych niestrukturalnych oraz AI.

Dołączysz do zespołu rozwijającego rozwiązanie „chat with data”, które umożliwia użytkownikom zadawanie pytań o dane w języku naturalnym. Będziesz pracować nad interpretacją intencji, generowaniem i bezpiecznym wykonywaniem zapytań oraz oceną jakości odpowiedzi.

Będziesz również wspierać rozwój Unstructured Data Repository (UDR), czyli platformy do przetwarzania, przechowywania i udostępniania danych niestrukturalnych, takich jak dokumenty, obrazy i nagrania audio, wykorzystywanych następnie przez rozwiązania AI.

Forma współpracy: B2B

,[projektowanie i rozwój rozwiązania „chat with data”, w szczególności mechanizmów NL2SQL i conversational analytics,, budowa usług wykorzystujących LLM oraz integracja modeli z danymi i systemami firmowymi,, tworzenie zabezpieczeń ograniczających halucynacje, błędne zapytania i nieuprawniony dostęp do danych,, rozwój rozwiązań RAG, obejmujących chunking, embeddingi, wyszukiwanie semantyczne i re-ranking,, projektowanie testów i ewaluacji jakości rozwiązań GenAI,, optymalizacja jakości, wydajności i kosztów zapytań BigQuery,, tworzenie usług i integracji API w Javie i/lub Pythonie,, wsparcie UDR w zakresie przetwarzania dokumentów, obrazów i nagrań audio, ekstrakcji treści i metadanych oraz udostępniania wyników rozwiązaniom AI,, integracja modeli AI z procesami przetwarzania danych niestrukturalnych,, wdrażanie, monitorowanie i utrzymywanie rozwiązań zgodnie z podejściem DevSecOps.] Requirements: Java, Python, Machine learning, Spark