AI mérnök

Stack

Feladatok

• ▹Végponttól végpontig terjedő GenAI-alapú szoftvermegoldások tervezése, fejlesztése, tesztelése és bevezetése
• ▹Agentikus rendszerek építése, beleértve multi-agent architektúrákat és eszközhasználati mintákat
• ▹RAG (Retrieval-Augmented Generation) pipeline-ok tervezése és megvalósítása (dokumentumfeldolgozás, chunking, embedding, retrieval-hangolás)
• ▹Prompt- és kontextusmérnöki gyakorlatok kidolgozása (prompt-sablonok, kontextusablak-kezelés, eszközirányítás)
• ▹Ügynöki memóriakezelési minták implementálása (rövid- és hosszútávú memória, személyre szabás)
• ▹Modellszolgáltatók és futtatókörnyezetek integrálása és üzemeltetése (hosted API-k, self-hosted inferencia)
• ▹Mikroszolgáltatások és API-k fejlesztése GenAI/agent képességek kiszolgálására
• ▹Adattárak tervezése és karbantartása GenAI-alkalmazásokhoz (relációs, vektoros, gráf minták)
• ▹AI Governance gyakorlatok megvalósítása: irányelvek, tartalomszűrés, PII-kezelés, prompt injection védelem
• ▹GenAI-rendszerek kiértékelési és monitorozási megközelítéseinek kidolgozása
• ▹Együttműködés kereszfunkcionális csapatokkal (Termék, Fejlesztés, UX, Data/ML, Biztonság, Megfelelőség)
• ▹Részvétel kódreview-kon és architektúra-megbeszéléseken
• ▹Örökölt rendszerek karbantartása és bővítése GenAI-funkciókkal

Elvárások

• ▹Alapdiploma számítástechnika, informatika, adattudomány, MI vagy szoftvermérnöki területen
• ▹3-4 év tapasztalat produkciós szoftverek fejlesztésében
• ▹Igazolt gyakorlati tapasztalat GenAI-megoldások (LLM-alapú funkciók, RAG-rendszerek, agentikus workflow-k) produkciós bevezetésében
• ▹Tapasztalat GenAI-rendszerek governance-kontrolljainak és üzemeltetési monitorozásának implementálásában
• ▹Modern szoftverfejlesztési gyakorlatok: CI/CD, tesztelés, kódreview, observability, biztonságos API-tervezés
• ▹Erős LLM/embedding alapismeretek (retrieval, grounding, kontextusalakítás, kiértékelés)
• ▹Multi-agent minták, eszköz/függvényhívás (MCP), workflow-orchestráció ismerete
• ▹Python (GenAI szolgáltatások, orchestráció, adat pipeline-ok)
• ▹C#, REST API-k, mikroszolgáltatások, esemény-vezérelt rendszerek (Kafka)
• ▹Erős szoftvermérnöki alapok (clean architecture, tesztelés, biztonság, teljesítmény)

Előny

• ▹Posztgraduális képesítés MI, gépi tanulás, adattudomány vagy alkalmazott matematika területén
• ▹Releváns tanúsítványok (pl. Microsoft Azure AI Engineer, AWS Machine Learning)
• ▹Adatvédelmi elvek és security-by-design ismerete vállalati AI-megoldásoknál

Soft skillek