Lead AI Engineer (43289)

Zapojte sa do vývoja pokročilých AI aplikácií využívajúcich LLM, Retrieval-Augmented Generation (RAG) a agentné architektúry na automatizáciu komplexných procesov. Ako Lead AI Engineer budete navrhovať stratégie správy kontextu, integrovať AI modely do produkčných Python aplikácií, vytvárať agentné workflow v LangGraph a spolupracovať s produktovými, dátovými aj vývojovými tímami. Očakávame skúsenosti s Pythonom, prompt engineeringom, cloudovými technológiami, Dockerom, API a dátovými pipeline. Výhodou sú znalosti machine learningu, fine-tuningu LLM modelov a ich evaluácie.

🚀 Projekt
- návrh, optimalizácia a vyhodnocovanie promptov pre LLM modely naprieč rôznymi AI use casemi
- návrh a implementácia stratégií pre správu kontextu vrátane session memory, Retrieval-Augmented Generation (RAG) a personalizácie používateľov
- integrácia, orchestrácia a fine-tuning LLM modelov v Python aplikáciách pomocou API a vlastných dátových pipeline
- návrh, vývoj a správa komplexných konverzačných a agentných workflow (napr. LangGraph) vrátane multi-agentných riešení
- vývoj a údržba robustných backendových služieb, API a prípadne front-end rozhraní pre end-to-end AI aplikácie
- spolupráca s produktovými, dátovými a vývojovými tímami pri definovaní požiadaviek, realizácii prompt experimentov a iteratívnom vývoji riešení
- návrh a implementácia testovacích, monitorovacích a evaluačných procesov na zvyšovanie efektivity promptov, práce s kontextom a výkonu AI agentov
- presadzovanie best practices v oblasti softvérového vývoja, kvality kódu, testovania, DevOps a bezpečného a etického vývoja AI riešení
- návrh dátových modelov a dátových pipeline zabezpečujúcich kvalitu a integritu dát pomocou pokročilých AI techník
- hodnotenie, výber a implementácia technológií pre cloudové aj on-premise prostredia so zameraním na škálovateľnosť, monitoring výkonu a optimalizáciu nákladov

🎯 Skills
- rozsiahle skúsenosti s vývojom fullstack Python aplikácií (FastAPI, Flask; SQL/NoSQL databázy)
- preukázateľné skúsenosti s prompt engineeringom pre LLM modely (OpenAI, Anthropic, open source modely)
- výborné porozumenie context engineeringu vrátane session managementu, vector search a knowledge retrieval
- praktické skúsenosti s integráciou AI agentov a LLM modelov do produkčných prostredí
- praktické skúsenosti s frameworkmi pre agentné a konverzačné workflow (napr. LangGraph)
- skúsenosti s Retrieval-Augmented Generation (RAG) a orchestráciou multi-agentných riešení
- skúsenosti s cloudovou infraštruktúrou, kontajnerizáciou (Docker) a CI/CD
- skúsenosti s dátovými technológiami (napr. Spark, Kafka, Databricks, Snowflake) a súvisiacimi jazykmi (Java, Scala, SQL) pre integráciu dátových pipeline
- skúsenosti s návrhom API (REST, GraphQL) a mikroservisnou architektúrou
- skúsenosti s AI nástrojmi podporujúcimi vývoj (napr. Visual Studio, GitHub Copilot, Windsurf, Cursor)
- silné analytické, komunikačné schopnosti a schopnosť riešiť komplexné technické problémy
- AJ min. B2

💡 Nice to have
- skúsenosti s fine-tuningom jazykových modelov
- pevné základy v oblasti štatistiky a strojového učenia (pravdepodobnosť, testovanie hypotéz, experimentálny dizajn, bias/variance, regularizácia) a schopnosť prepájať biznis požiadavky s ML riešeniami
- skúsenosti s návrhom, tréningom a validáciou prediktívnych modelov (feature engineering, cross-validation, model selection, error analysis) s využitím nástrojov ako scikit-learn, XGBoost, LightGBM alebo CatBoost
- skúsenosti s evaluačnými stratégiami modelov vrátane offline metrík, A/B testovania, guardrails a monitoringu kvality alebo driftu modelov
- skúsenosti s hodnotením LLM modelov (automatizované aj human-in-the-loop), vrátane merania kvality generovania, relevance, faktickosti, bezpečnosti a prístupov ako LLM-as-a-judge
- porozumenie dátovej vede zameranej na RAG vrátane retrieval evaluácie (recall@k, MRR, nDCG), chunkingu, embedding stratégií, query rewritingu, rerankingu a groundingu
- skúsenosti s optimalizáciou promptov a kontextu vrátane prompt A/B testovania a správy promptov
- skúsenosti alebo záujem o adaptačné techniky jazykových modelov (LoRA, QLoRA, DPO, IPO), tvorbu datasetov a anotáciu dát
- znalosť optimalizácie výkonu a nákladov LLM systémov (optimalizácia tokenov, caching, benchmarking, model routing)
- skúsenosti s debugovaním, interpretovateľnosťou a analýzou správania GenAI systémov (error analysis, hallucination investigation, attribution)