AI/ML Engineer (Custom Models, NLP, Python)
to firma rozwijająca platformę AI do automatyzacji procesu pozyskiwania dotacji i grantów. Narzędzie wspiera użytkowników w wyszukiwaniu odpowiednich programów finansowania oraz w przygotowywaniu wniosków i biznesplanów, kierując ofertę . do startupów, firm doradczych i instytucji publicznych.
Twój zakres obowiązków
Szukamy osoby, która pomoże nam zbudować własne modele AI i przewagę technologiczną (IP) w obszarze wniosków o dotacje.
Nie jesteśmy kolejnym wrapperem na OpenAI - rozwijamy system, który:
uczy się na tysiącach wniosków i danych
analizuje jakość i poprawność aplikacji
-
automatycznie generuje i waliduje dokumenty
Twoją rolą będzie przejście od LLM + RAG → własne modele i pipeline’y ML.
Budowa i rozwój modeli ML/NLP na danych grantowych (klasyfikacja, scoring, extraction, rekomendacje)
Tworzenie i trenowanie modeli (PyTorch / HuggingFace / inne)
Przygotowanie datasetów: czyszczenie, augmentacja, labeling
Projektowanie pipeline’ów ML (trening, ewaluacja, iteracja)
Rozwój i optymalizacja istniejących pipeline’ów RAG
Eksperymenty z fine-tuningiem modeli (LLM / mniejsze modele)
Integracja modeli z backendem (FastAPI, inference endpoints)
Monitorowanie jakości modeli i iteracyjne ulepszanie (feedback loop)
Współpraca przy budowie architektury AI i długoterminowego I
Nasze wymagania
3–5+ lat doświadczenia w Pythonie
Doświadczenie z ML / AI w praktyce (nie tylko API)
Znajomość PyTorch lub TensorFlow
Doświadczenie z NLP (tekst, embeddings, klasyfikacja, similarity)
Praca z danymi: preprocessing, feature engineering, datasety
Umiejętność trenowania / fine-tuningu modeli
Doświadczenie z API (FastAPI / Flask / podobne)
Samodzielność i ownership
Mile widziane
Doświadczenie z HuggingFace (transformers, datasets)
Fine-tuning LLM (LoRA, PEFT itp.)
Doświadczenie z RAG (embeddings, retrieval)
Vector DB (MongoDB Atlas / Qdrant / Pinecone / Redis)
Doświadczenie z GCP / Docker / CI/CD
Budowa systemów produkcyjnych z modelami ML
Tak organizujemy naszą pracę
Liczba osób w zespole
5
Tak pracujemy
wewnątrz organizacji
koncentrujesz się na jednym projekcie
masz wpływ na wybór narzędzi i technologii
masz wpływ na rozwiązania technologiczne
masz wpływ na produkt
tworzysz kod "od zera"
To oferujemy
Startupowy klimat: szybkie iteracje, realny wpływ na produkt
Budujemy coś więcej niż integrację API — tworzymy własną technologię
Preferujemy pracę hybrydową (Trójmiasto)
Duża autonomia i wpływ na decyzje technologiczne
Realny wpływ na architekturę AI i rozwój produktu
Możliwość budowy własnych modeli i IP (nie tylko integracji API)
Bliską współpracę z founderem i zespołem
Budujesz coś, co realnie zarabia i ma rynek
Masz dostęp do unikalnych danych (wnioski, scoring, walidacje)
Tworzysz system, który może być defensywnym moat’em technologiczno-danych