Back-end developer PythonW Contentation łączymy doświadczenie grupy mediowej z elastycznością butikowej agencji SEO, tworząc unikalną synergię skoncentrowaną na jakościowych rozwiązaniach reklamowych. Naszym celem jest holistyczne wspieranie partnerów w budowaniu obecności ich marek w Internecie, z naciskiem na efektywny performance i przede wszystkim skuteczny link building.Poszukujemy doświadczonego Back-end Developera Python z doświadczeniem w AI/LLM, który dołączy do naszego zespołu pracującego nad zaawansowaną platformą wykorzystującą modele językowe, systemy RAG i embeddingi do automatyzacji tworzenia wysokiej jakości treści oraz portali internetowych.🔍 Do Twoich zadań jako Back-end developer Python będzie należało m.in.: Projektowanie i implementacja aplikacji backendowych wykorzystujących modele językowe (LLM) do wielokrokowego generowania treści na podstawie danych strukturalnych i nieustrukturalnych Integracja z zewnętrznymi usługami i API. Tworzenie i optymalizacja struktur baz danych oraz zapytań SQL (PostgreSQL). Zarządzanie i utrzymanie API backendu, w tym monitorowanie wydajności i rozwiązywanie problemów. Wdrażanie (deploy), debugowanie oraz utrzymanie aplikacji w środowisku testowym i produkcyjnym. Tworzenie i utrzymywanie dokumentacji technicznej aplikacji i API 💵 Wynagrodzenie:Wynagrodzenie stałe w wysokości 18 000 - 22 000 PLN brutto (UoP)👐 Co oferujemy? Możliwość pracy nad innowacyjnym projektem z wykorzystaniem najnowszych technologii AI. Elastyczne godziny pracy oraz praca zdalna.. Przyjazną atmosferę pracy w dynamicznie rozwijającej się firmie. Pakiet prywatnej opieki medycznej (Medicover), kartę Multisport, Nowoczesny sprzęt - MacBook Pro lub ekwiwalent  💼 Wymagania Bardzo dobra znajomość języka Python oraz SQL, w szczególności PostgreSQL. Doświadczenie w pracy z technologiami kontenerowymi, takimi jak Docker i Kubernetes. Znajomość bibliotek: Celery, FastAPI, Pandas. Doświadczenie w pracy z RESTful API. Znajomość systemu kontroli wersji Git. Znajomość GCP 💣 Dodatkowe plusy Wiedza z zakresu budowy i optymalizacji systemów RAG (Retrieval-Augmented Generation) do wzbogacania kontekstu dla modeli AI. Implementacja i projektowanie systemów wykorzystujących modele embeddingowe (wektoryzacja, semantic search, similarity matching) Wiedza z zakresu pracy z modelami językowymi (LLM),  Znajomość narzędzi z zakresu uczenia maszynowego oraz data science