AI/ML Engineer (Custom Models, NLP, Python)

Grantbot.ai to firma rozwijająca platformę AI do automatyzacji procesu pozyskiwania dotacji i grantów. Narzędzie wspiera użytkowników w wyszukiwaniu odpowiednich programów finansowania oraz w przygotowywaniu wniosków i biznesplanów, kierując ofertę m.in. do startupów, firm doradczych i instytucji publicznych.

Twój zakres obowiązków

• Szukamy osoby, która pomoże nam zbudować własne modele AI i przewagę technologiczną (IP) w obszarze wniosków o dotacje.

Nie jesteśmy kolejnym wrapperem na OpenAI - rozwijamy system, który:

• uczy się na tysiącach wniosków i danych

• analizuje jakość i poprawność aplikacji

• automatycznie generuje i waliduje dokumenty

Twoją rolą będzie przejście od LLM + RAG → własne modele i pipeline’y ML.

• Budowa i rozwój modeli ML/NLP na danych grantowych (klasyfikacja, scoring, extraction, rekomendacje)

• Tworzenie i trenowanie modeli (PyTorch / HuggingFace / inne)

• Przygotowanie datasetów: czyszczenie, augmentacja, labeling

• Projektowanie pipeline’ów ML (trening, ewaluacja, iteracja)

• Rozwój i optymalizacja istniejących pipeline’ów RAG

• Eksperymenty z fine-tuningiem modeli (LLM / mniejsze modele)

• Integracja modeli z backendem (FastAPI, inference endpoints)

• Monitorowanie jakości modeli i iteracyjne ulepszanie (feedback loop)

• Współpraca przy budowie architektury AI i długoterminowego I

Nasze wymagania

• 3–5+ lat doświadczenia w Pythonie

• Doświadczenie z ML / AI w praktyce (nie tylko API)

• Znajomość PyTorch lub TensorFlow

• Doświadczenie z NLP (tekst, embeddings, klasyfikacja, similarity)

• Praca z danymi: preprocessing, feature engineering, datasety

• Umiejętność trenowania / fine-tuningu modeli

• Doświadczenie z API (FastAPI / Flask / podobne)

• Samodzielność i ownership

Mile widziane

• Doświadczenie z HuggingFace (transformers, datasets)

• Fine-tuning LLM (LoRA, PEFT itp.)

• Doświadczenie z RAG (embeddings, retrieval)

• Vector DB (MongoDB Atlas / Qdrant / Pinecone / Redis)

• Doświadczenie z GCP / Docker / CI/CD

• Budowa systemów produkcyjnych z modelami ML

Tak organizujemy naszą pracę

Liczba osób w zespole

• 5

Tak pracujemy

• wewnątrz organizacji

• koncentrujesz się na jednym projekcie

• masz wpływ na wybór narzędzi i technologii

• masz wpływ na rozwiązania technologiczne

• masz wpływ na produkt

• tworzysz kod "od zera"

To oferujemy

• Startupowy klimat: szybkie iteracje, realny wpływ na produkt

• Budujemy coś więcej niż integrację API — tworzymy własną technologię

• Preferujemy pracę hybrydową (Trójmiasto)

• Duża autonomia i wpływ na decyzje technologiczne

• Realny wpływ na architekturę AI i rozwój produktu

• Możliwość budowy własnych modeli i IP (nie tylko integracji API)

• Bliską współpracę z founderem i zespołem

• Budujesz coś, co realnie zarabia i ma rynek

• Masz dostęp do unikalnych danych (wnioski, scoring, walidacje)

• Tworzysz system, który może być defensywnym moat’em technologiczno-danych