W ITLT pomagamy naszym zaprzyjaźnionym firmom przekształcać ambitne pomysły w cyfrową rzeczywistość.
Z nastawieniem na wyzwania, ciekawość technologii i zwinność - współtworzymy wyjątkowe rozwiązania IT.
Aktualnie poszukujemy osób na stanowisko: Platform Architect - AI
Doświadczenie i kompetencje architektoniczne
5+ lat doświadczenia w Software Architecture, w tym minimum 2-3 lata w architekturze systemów AI/ML.
Doświadczenie w projektowaniu architektury systemów AI/ML end-to-end - od PoC do produkcji.
Doświadczenie w podejmowaniu decyzji architektonicznych z uwzględnieniem kosztów, skalowalności, wydajności, czasu wdrożenia i ryzyka technologicznego.
Doświadczenie w integracji rozwiązań AI z istniejącymi systemami, API i infrastrukturą danych.
Doświadczenie w prowadzeniu technicznym zespołów lub mentoringu AI/ML Engineers.
AI/ML i Computer Vision
Bardzo dobra znajomość Machine Learning, Deep Learning oraz architektur NLP/LLM.
Praktyczne doświadczenie z produkcyjnymi pipeline'ami Computer Vision - nie tylko projektami badawczymi.
Doświadczenie w obszarach:
Object Detection.
Image Embeddings i modeli embeddingowych.
Vector Search oraz Hybrid Search.
Multi-signal Retrieval/Ranking - łączenie różnych sygnałów wyszukiwania i oceny dopasowania.
Znajomość ekosystemu modeli DETR/YOLO oraz narzędzi takich jak Roboflow lub rozwiązania alternatywne.
Doświadczenie z Vector Databases - np. Pinecone lub rozwiązaniami równoważnymi.
Doświadczenie w projektowaniu RAG pipelines i rozwiązaniach Agentic AI.
Technologie i infrastruktura
Praktyczna znajomość Python.
Znajomość frameworków ML: PyTorch, TensorFlow lub Hugging Face.
Doświadczenie z platformami chmurowymi AWS, Azure lub GCP oraz ich usługami AI/ML.
Znajomość AWS w kontekście AI/ML i infrastruktury GPU, w szczególności SageMaker, EC2 GPU i Bedrock.
Doświadczenie z narzędziami MLOps - np. MLflow, Kubeflow, SageMaker - oraz CI/CD dla pipeline'ów ML.
Znajomość zagadnień Data Architecture, API Design i System Integration Patterns.
Umiejętność projektowania kontraktów API między pipeline'em AI a pozostałymi systemami, w tym definiowania obsługi wyników o niskiej pewności dopasowania.
MLOps, jakość i utrzymanie modeli
Umiejętność definiowania strategii wersjonowania modeli i danych oraz procesu wdrażania i wycofywania modeli.
Znajomość monitorowania jakości modeli, wykrywania model/data drift i określania kryteriów retrainingu.
Doświadczenie w definiowaniu mierzalnych wskaźników jakości, np. precision, recall i false-positive rate.
Umiejętność projektowania mechanizmów ciągłego doskonalenia modeli i indeksów na podstawie nowych danych produkcyjnych.
Architektura, koszty i decyzje technologiczne
Umiejętność podejmowania decyzji Build vs. Buy z uwzględnieniem TCO, kosztów infrastruktury i ryzyka vendor lock-in.
Doświadczenie w ocenie opłacalności self-hosted GPU vs. managed/SaaS inference.
Umiejętność doboru modeli i komponentów z uwzględnieniem kompromisów między dokładnością, kosztem, licencją i time-to-market.
Znajomość licencji open source, w szczególności AGPL, Apache i MIT, oraz ich wpływu na komercyjne wykorzystanie rozwiązania.
Umiejętność projektowania architektury z uwzględnieniem security, skalowalności, efektywności kosztowej i wymagań regulacyjnych.
Security i compliance
Znajomość zagadnień bezpieczeństwa systemów AI, w tym kontroli dostępu, szyfrowania i zabezpieczeń przed złośliwymi danymi wejściowymi.
Rozumienie ryzyk związanych z integracją zewnętrznych usług AI, endpointów modeli i baz wektorowych.
Znajomość wymagań GDPR/RODO i EU AI Act w kontekście projektowania rozwiązań AI.
Umiejętność współpracy z zespołem AI Security przy ocenie przepływów danych, nowych integracji i wymagań bezpieczeństwa.
Komunikacja i współpraca
Bardzo dobre umiejętności komunikacyjne - zdolność wyjaśniania złożonych zagadnień technicznych osobom nietechnicznym.
Umiejętność współpracy z Product Ownerem przy definiowaniu kryteriów jakości i akceptowalnego poziomu błędów.
Umiejętność prowadzenia architectural code review i nadzoru nad pracą AI/ML Engineerów bez konieczności samodzielnej implementacji każdego elementu.
Umiejętność tworzenia dokumentacji technicznej, diagramów architektury i Architecture Decision Records (ADR).
Mile widziane
Doświadczenie w branży Retail, szczególnie w obszarach Product Recognition, Planogram Analysis lub Store Display Compliance.
Praktyczna znajomość rozwiązań do automatycznej weryfikacji ekspozycji produktów na podstawie zdjęć.
W razie pytań pingnij śmiało na Linkedin'ie do Kuby
Agencja zatrudnienia - nr certyfikatu 14181