Principal AI mérnök

Stack

Feladatok

• ▹A platformszintű adatarchitektúra irányítása: adatrögzítési szabványok, adatmodellezés, tárolási stratégia és kiszolgáló rétegek
• ▹Az elemzéseket, keresést, ajánlórendszereket és AI-funkciókat kiszolgáló adatinfrastruktúra tervezése és építése
• ▹Nagy mennyiségű eseményadatot kezelő batch és streaming adatfolyamok építése és skálázása
• ▹Az ügynök-alapú termékek adatrétegének gondozása, tiszta, valós idejű adatok biztosítása az ügynököknek és MCP-alapú eszközöknek
• ▹Adatszerződések és szabványok meghatározása a termékcsapatok számára
• ▹Adatminőségi, governance- és lineage-szabványok kialakítása, beleértve a GDPR szerinti személyes adatkezelést
• ▹Új adatkategóriák (pl. okos kitűző telemetria, helyzet- és közelségjelek) adatvédelmi szempontból megfelelő rögzítésének stratégiája
• ▹Megfigyelhetőség beépítése az adatrendszerekbe: strukturált naplózás, frissesség- és minőségfigyelés, SLO-k, pipeline-állapot dashboardok
• ▹Adatszerkezeteket kiszolgáló MCP-szerverek és eszközök kialakítása a szervezői és kiállítói ügynökökhöz
• ▹Mérnökök mentorálása az adatarchitektúra és az AI-infrastruktúra legjobb gyakorlataiban

Elvárások

• ▹Bizonyított tapasztalat nagy léptékű adatarchitektúra gazdájaként production SaaS környezetben, lehetőleg platformszinten
• ▹Erős tapasztalat operatív adatbázisokkal (Postgres, MongoDB/DocumentDB, MySQL) és analitikai adattárházakkal (Redshift)
• ▹Batch és streaming adatfolyamok építése és skálázása (Kinesis, SQS/SNS, Lambda)
• ▹Keresési és visszakereső rendszerek (Elasticsearch) mély megértése
• ▹Mély gyakorlati tapasztalat LLM-ekkel, kódasszisztensekkel (Claude, GitHub Copilot) és ügynök-alapú rendszerekkel
• ▹Tapasztalat a Model Context Protocollal (MCP), AI-orkesztrációval vagy hasonló keretrendszerekkel
• ▹AI-biztonsági jártasság: prompt injection, jailbreak, kimenet-validáció, guardrail-tervezés
• ▹Gyorsítótárazás és teljesítmény nagy léptékben (Redis/Elasticache)
• ▹Full stack jártasság TypeScript/Node.js környezetben
• ▹DevOps jártasság: AWS, Kubernetes/EKS, Terraform, CI/CD
• ▹Kiváló megfigyelhetőségi gyakorlat: strukturált naplózás, metrikák, elosztott trace-elés, SLO-k (Datadog, Sentry)
• ▹Feature flagek, canary telepítések és fokozatos bevezetési minták ismerete
• ▹Tapasztalat adatminőségi, governance- és megfelelőségi szabványok érvényesítésében (GDPR-tapasztalat nagy előny)
• ▹Termékszemlélet: az átfogó üzleti célok platformszintű technikai útitervvé fordítása

Előny

• ▹Tapasztalat eseménytechnológiával, SaaS platformokkal vagy B2B alkalmazásokkal
• ▹ML-modelleket vagy AI-ügynökrendszereket kiszolgáló adatinfrastruktúra építése
• ▹Prompt engineering, fine-tuning vagy modelloptimalizálás ismerete
• ▹Valós idejű rendszerek, WebSocketek vagy élő adatfolyamok
• ▹Valós idejű helyzet- és közelségi adatok (Bluetooth/RFID/UWB) kezelése
• ▹Korábbi platform-/infrastruktúra-szerepkör a termékfejlesztéstől elkülönülve
• ▹Nyílt forráskódú közreműködés vagy publikus portfólió adat- vagy AI-munkáról
• ▹Biztonsági megfelelőségi keretrendszerek (SOC 2) ismerete AI-rendszerek esetén

Soft skillek

Amit kínálunk

• ▹Távoli-első kultúra, opcionális iroda a London Bridge-nél
• ▹Versenyképes fizetés, részvény és juttatások
• ▹25 nap szabadság évente, szabbatikus lehetőségek
• ▹Céges képzési és szakmai fejlődési keret
• ▹Csoportos életbiztosítás és céges egészségügyi terv
• ▹Valódi befolyás a platformszintű technikai irányra

A munkáltatóról

A Grip AI-alapú, végpontól végpontig terjedő eseményplatform, amely a résztvevők közti kapcsolatokat építi és követi több esemény során. Ügyfelei között olyan rendezvényszervezők vannak, mint az Ascential, a Hyve, az Emerald és a Clarion Events.