Developer AI

Charakterystyka oferty:

• Miejsce pracy: 1x w tygodniu praca z biura w Warszawie

• Godziny pracy: Standardowe godziny pracy

• Branża: ubezpieczeniowa

• Projekt: projektowanie i wdrażanie rozwiązań opartych o Azure AI Foundry w środowisku chmurowym Microsoft

• Wynagrodzenie: 150 - 180 zł netto/h + VAT (bez płatnych urlopów)

• Proces rekrutacyjny: Krótka rozmowa telefoniczna z ITFS ➡ Rozmowa techniczna ➡Decyzja

Twoje zadania:

• Projektowanie, implementacja i utrzymanie usług AI/LLM na Azure (inferencja, orkiestracja workflow, RAG, agenci).

• Tworzenie i optymalizacja promptów wraz z ich wersjonowaniem, ewaluacją i monitoringiem jakości odpowiedzi modeli.

• Integracja z systemami dziedzinowymi (API) oraz budowa pipeline’ów MLOps i CI/CD dla komponentów AI/ML.

• Zapewnienie zgodności z Data & AI Governance (w tym AI Act dla systemów wysokiego i ograniczonego ryzyka) – dokumentacja, nadzór ludzki, testy, transparentność.

• Budowa i rozwój baz wiedzy (knowledge bases) dla AI – strukturyzacja, wersjonowanie, aktualizacja i integracja z modelami językowymi.

• Projektowanie i implementacja rozwiązań AI w ekosystemie Azure AI Foundry, Power Platform (Power Apps, Power Automate, Copilot Studio) oraz RPA (UiPath).

• Transfer wiedzy i rozwój kompetencji AI w zespole

Profil kandydata

• Praktyczne doświadczenie z usługami Azure AI/ML, w tym co najmniej kilkoma z: Azure AI Foundry / Azure AI Studio, Azure OpenAI, Azure AI Search, Azure Machine Learning, modele i rejestry modeli, monitorowanie i ewaluacja.

• Bardzo dobra znajomość programowania w Python (preferowany) lub .NET (C#)

• Doświadczenie w projektach RAG (Retrieval-Augmented Generation), obejmujące m.in. wektory, indeksowanie oraz przetwarzanie i normalizację dokumentów.

• Znajomość prompt engineeringu i praktyczne jego zastosowanie.

• Doświadczenie w obszarze MLOps/DevOps dla AI, w tym Git, pipeline’y CI/CD (Azure DevOps / GitHub Actions), IaC (Bicep / Terraform) oraz tworzenie reużywalnych artefaktów.

• Umiejętność zaawansowanego przetwarzania dokumentów (chunking: recursive, semantic, layout-aware).

• Znajomość technik re-ranking’u i poprawy jakości odpowiedzi w systemach agentowych.

• Doświadczenie w optymalizacji kosztów rozwiązań RAG.

• Doświadczenie we wdrażaniu i skalowaniu systemów RAG w środowisku produkcyjnym.