Dołączysz do zespołu rozwijającego rozwiązanie „chat with data”, które umożliwia użytkownikom zadawanie pytań o dane w języku naturalnym. Będziesz pracować nad interpretacją intencji, generowaniem i bezpiecznym wykonywaniem zapytań oraz oceną jakości odpowiedzi.
Będziesz również wspierać rozwój Unstructured Data Repository (UDR), czyli platformy do przetwarzania, przechowywania i udostępniania danych niestrukturalnych, takich jak dokumenty, obrazy i nagrania audio, wykorzystywanych następnie przez rozwiązania AI.
Forma współpracy: B2B
Opis stanowiska
projektowanie i rozwój rozwiązania „chat with data”, w szczególności mechanizmów NL2SQL i conversational analytics,
budowa usług wykorzystujących LLM oraz integracja modeli z danymi i systemami firmowymi,
tworzenie zabezpieczeń ograniczających halucynacje, błędne zapytania i nieuprawniony dostęp do danych,
rozwój rozwiązań RAG, obejmujących chunking, embeddingi, wyszukiwanie semantyczne i re-ranking,
projektowanie testów i ewaluacji jakości rozwiązań GenAI,
optymalizacja jakości, wydajności i kosztów zapytań BigQuery,
tworzenie usług i integracji API w Javie i/lub Pythonie,
wsparcie UDR w zakresie przetwarzania dokumentów, obrazów i nagrań audio, ekstrakcji treści i metadanych oraz udostępniania wyników rozwiązaniom AI,
integracja modeli AI z procesami przetwarzania danych niestrukturalnych,
wdrażanie, monitorowanie i utrzymywanie rozwiązań zgodnie z podejściem DevSecOps.
Wymagania
bardzo dobra znajomość Javy i/lub Pythona,
praktyczne doświadczenie w budowie rozwiązań wykorzystujących LLM,
znajomość co najmniej jednego frameworka, np. LangChain4j, Google ADK, Pydantic AI lub Spring AI,
znajomość Google BigQuery, w tym SQL, modelowania danych oraz optymalizacji kosztów i wydajności,
doświadczenie w tworzeniu usług i integracji REST API,
umiejętność testowania i diagnozowania systemów opartych na LLM,
znajomość dobrych praktyk tworzenia, wdrażania i utrzymywania oprogramowania.
Mile widziane
doświadczenie z NL2SQL, conversational analytics lub rozwiązaniami BI-as-chat,
znajomość RAG, embeddingów, chunkingu i re-rankingu,
doświadczenie w przetwarzaniu dokumentów, obrazów lub nagrań audio, w tym OCR, ekstrakcji tekstu i transkrypcji,
doświadczenie z ewaluacją systemów GenAI, testami offline i online oraz wersjonowaniem promptów,
znajomość semantic lub metrics layer, cache’owania i preagregacji,
znajomość MCP oraz architektur agentowych,
doświadczenie z bazami wektorowymi, np. Qdrant, Pinecone, Weaviate lub Milvus,
znajomość baz grafowych, np. Neo4j, oraz podejścia GraphRAG,
znajomość FastAPI, Kubernetes, Cloud Run i Pub/Sub,
znajomość Rusta,
doświadczenie w środowisku regulowanym, obejmującym audyt, klasyfikację danych, kontrolę dostępu i ochronę danych wrażliwych.
Nie oczekujemy znajomości wszystkich wymienionych technologii. Szukamy osoby z solidnymi podstawami inżynierii oprogramowania i praktycznym doświadczeniem w pracy z LLM, gotowej rozwijać się w obszarze „chat with data”, danych niestrukturalnych oraz AI.