Wymagania

Technologie wymagane

Python

NumPy

Pandas

PyTorch

TensorFlow

Hugging Face

Technologie mile widziane

AWS

Google Cloud Platform

FastAPI

Flask

Django

RabbitMQ

Celery

Nasze wymagania

• doświadczenie w programowaniu przy użyciu Pythona,
• znajomość podstaw inżynierii oprogramowania, w tym: praktyczne doświadczenie w korzystaniu z systemu kontroli wersji Git, umiejętność programowania obiektowego, tworzenie testów jednostkowych i integracyjnych z wykorzystaniem pytest,
• doświadczenie w inżynierii danych,
• znajomość praktycznych umiejętności związanych z pracą przy bazach danych,
• znajomość biblioteki huggingface oraz pytorch/tensorflow,
• umiejętności niezbędne do produkcyjnego wdrożenia rozwiązań opartych na sztucznej inteligencji, w tym tworzenia skalowalnych potoków przetwarzania, znajomość zagadnień związanych z konteneryzacją i skalowaniem, a także kwestiami bezpieczeństwa,
• biegła znajomość konsoli Linux (w tym podstawowa obsługa edytora Vim), w tym umiejętność tworzenia i analizowania skryptów Bash/shell (sh) do automatyzacji zadań, a także doświadczenie w pracy z serwerami zdalnymi za pomocą SSH.

Mile widziane

• znajomość rozwiązań chmurowych do tworzenia i uruchamiania rozwiązań opartych na danych (AWS, GCP),
• znajomość frameworków webowych typu FastAPI, Flask, Django,
• Znajomość frameworków do kolejkowania i przetwarzania asynchronicznego, takich jak RabbitMQ i Celery,
• znajomość problematyki przetwarzania języka naturalnego,
• znajomość problematyki analizy obrazów,
• doświadczenie w obszarze Document AI.

Twój zakres obowiązków

• pozyskiwanie, wstępna analiza i przetwarzanie danych
• tworzenie zbiorów uczących i współpraca z anotatorami,
• modelowanie danych na podstawie zbiorów treningowych,
• tworzenie rozwiązań opartych na metodach uczenia maszynowego, w szczególności w obszarze Document AI i/lub przetwarzania języka naturalnego (NLP) i/lub analizy obrazów (CV),
• fine-tuning istniejących modeli (m.in. YOLO),
• ewaluacja rozwiązań sztucznej inteligencji i testowanie produkcyjne,
• inżynieria danych w procesie uczenia maszynowego,
• implementacja produktów opartych na modelach uczenia maszynowego,
• produkcyjne wdrażanie produktów opartych na modelach uczenia maszynowego.