Starszy inżynier Pythona/AI w Data Pro Software Solutions

Przegląd roli

Szukamy starszego inżyniera Python/AI z dużym doświadczeniem w uczeniu maszynowym, inżynierii danych, architekturach opartych na chmurze i potokach agentów AI.

Będziesz współpracował bezpośrednio z architektem systemu przy projektowaniu i budowaniu:

• Potoki danych oparte na sztucznej inteligencji,
• modele prognozowania i oceniania,
• wyrocznie do rozpoznawania rynku,
• potoki przetwarzania agentów (AWS Bedrock / LangChain / niestandardowe),
• wysokowydajne mikrousługi wspierane przez AWS i przepływ pracy sterowany zdarzeniami.

Ta rola jest odpowiednia dla niezależnego inżyniera, który potrafi działać w szybko zmieniającej się architekturze.

Kluczowe obowiązki

AI / ML

• Tworzyj i trenuj modele ML pod kątem sygnałów rynkowych, wzorców zachowań, segmentacji ryzyka użytkownika, wykrywania anomalii.
• Wdrażaj osadzanie potoków, wyszukiwanie wektorów i analizę semantyczną za pomocą:
  AWS Bedrock (Titan, Claude), SageMaker, LangChain, FAISS, OpenSearch lub lokalne potoki.
• Twórz agentów opartych na LLM, korzystając z LangGraph, LangChain, agentów AWS Bedrock lub niestandardowej orkiestracji.
• Praca z HuggingFace, PyTorch, scikit-learn, Transformers, Osadzania Nomic, itp.

Inżynieria Pythona

• Projektuj przejrzyste, modułowe usługi do gromadzenia, przetwarzania, analiz i agentycznych przepływów pracy danych.
• Twórz potoki w czasie rzeczywistym, korzystając z:
  asyncio, WebSockets, FastAPI, Redis Streams, Kafka, Seler, Apache Beam (opcjonalnie)..
• Wdrażaj mikrousługi współpracujące z wewnętrznymi interfejsami API, usługami AWS i warstwami danych.
• Napisz język Python o jakości produkcyjnej (3.10 lub nowszej) za pomocą Pydantic, SQLAlchemy, Poetry/pipenv, sprawdzanie typów (mypy) i testy (pytest).

Inżynieria danych

• Twórz potoki ETL/ELT agregujące oba w łańcuchu i zbiory danych poza łańcuchem przy użyciu:
  AWS Glue, AWS Lambda, Step Functions, Athena, S3, DynamoDB Streams, Kinesis.
• Optymalizacja pamięci masowej i dostępu do danych: PostgreSQL, DynamoDB, Redis, S3, OpenSearch.
• Wprowadź obserwowalność i monitorowaniering: Dzienniki CloudWatch, metryki, prześwietlenie, OpenTelemetry.

DevOps / Cloud (fajnie mieć)

• Doświadczenie z AWS:
  • Lambda (runtime Pythona)
  • ECS Fargate
  • Bedrock (LLM, osadzanie, agenci)
  • SageMaker (szkolenie i wdrażanie modeli)
  • SQS, SNS, EventBridge
  • bramka API
  • OpenSearch
  • Neptune (graph DB)
  • Najlepsze praktyki KMS, IAM
• Tworzenie i monitorowanie usług ML w środowisku produkcyjnym przy użyciu:
  punktów końcowych SageMaker, CI/CD, Docker, Terraform, GitLab CI.

Wymagania

Niezbędnik

• Ponad 5 lat doświadczenia w inżynierii w języku Python.
• Dogłębne doświadczenie w AI/ML, zwłaszcza NLP i architekturach opartych na agentach.
• Doświadczenie z LLM, osadzaniem, RAG i wektorowymi bazami danych (FAISS, OpenSearch, Pinecone).
• Dobra znajomość asynchronicznego Pythona i systemów rozproszonych.
• Doświadczenie z potokami danych (ETL/ELT) w czasie rzeczywistym przetwarzanie sterowane zdarzeniami.
• Możliwość samodzielnej pracy i kompleksowego projektowania rozwiązań.
• Znajomość usług chmurowych AWS (co najmniej S3, Lambda, API Gateway, CloudWatch).

Miło to mieć

• Doświadczenie z blockchainem (EVM, Polygon, Oracles).
• Doświadczenie z procesami szkoleniowymi AWS SageMaker.
• Zrozumienie przepływów pracy opartych na inteligentnych kontraktach.
• Doświadczenie w analizie grafów: Neo4j, AWS Neptune, RDF/Gremlin.
• Podstawowa znajomość Solidity.
• Doświadczenie ze frameworkami agentowymi, takimi jak LangGraph.