Senior Python Developer

Minimalne kwalifikacje:

• 5 lat doświadczenia komercyjnego na stanowisku Inżyniera Oprogramowania.

• 3 lata praktycznego doświadczenia w co najmniej jednym z obszarów: computer vision (detekcja, analiza wideo), systemy voice (przetwarzanie w czasie rzeczywistym, ASR/TTS) lub machine learning (modele predykcyjne).

• Bardzo dobra znajomość języka Python oraz zaawansowane doświadczenie w architekturze backendu i projektach produkcyjnych (REST/async API).

• Udokumentowane doświadczenie w pracy z modelami językowymi (API oraz modele lokalne) i frameworkami LangChain / LangGraph.

• Doświadczenie w pracy z infrastrukturą kontenerową (Docker).

Preferowane kwalifikacje:

• Zrozumienie i praktyczna znajomość narzędzi MLOps (np. MLflow, Weights & Biases).

• Doświadczenie w pracy ze skalowalną infrastrukturą w chmurze publicznej (AWS, GCP lub Azure).

• Znajomość standardów i protokołów telekomunikacyjnych (np. SIP, WebRTC).

O pracy:

Nasz zespół inżynieryjny zajmuje się projektowaniem i wdrażaniem inteligentnych systemów AI o wysokiej dostępności. Przesuwamy granice tego, co możliwe, łącząc lokalne modele językowe, analizę wideo w czasie rzeczywistym oraz zaawansowane rozwiązania konwersacyjne (voiceboty) w produkty działające na dużą skalę. Jako Senior Python / AI Engineer przejmiesz techniczną własność nad kluczowymi komponentami naszych systemów. Oczekujemy od Ciebie samodzielności, podejmowania strategicznych decyzji architektonicznych i pasji do optymalizacji wydajności systemów AI w środowiskach produkcyjnych.

Obowiązki:

• Projektowanie architektury i rozwijanie zaawansowanego backendu dla platform AI w języku Python.

• Orkiestracja i optymalizacja pracy modeli językowych (LLM), ze szczególnym uwzględnieniem modeli wdrażanych lokalnie (np. vLLM, Ollama).

• Projektowanie i utrzymanie złożonych pipeline'ów AI z wykorzystaniem narzędzi LangChain / LangGraph.

• Budowa systemów czasu rzeczywistego (analiza obrazu, integracje telekomunikacyjne dla voicebotów) oraz zapewnienie ich niezawodności.

• Zarządzanie cyklem życia modeli i optymalizacja wydajności inferencji (inference) oraz skalowalności systemów w środowiskach kontenerowych.