Senior AI Mérnök

Stack

Feladatok

• ▹Modellfejlesztés: klasszikus ML, mélytanulás (CNN-ek, transformerek) és generatív AI (LLM-ek, diffúziós modellek) tervezése, tanítása, finomhangolása és kiértékelése
• ▹Adatfeltárás és analitika: feltáró adatelemzés, statisztikai tesztelés, idősoros előrejelzés a funkciók és üzleti KPI-k megalapozásához
• ▹Végponttól végpontig terjedő pipeline-ok: reprodukálható munkafolyamatok adatbeolvasáshoz, feature engineeringhez, tanításhoz, CI/CD-hez és automatizált monitorozáshoz
• ▹LLM és agentikus AI fejlesztés: prompt tervezés, retrieval-augmented generation (RAG) pipeline-ok, autonóm/asszisztens ügynökök; LLM-ek finomhangolása domain-specifikus adatokon
• ▹AI automatizálás és integráció: AI-komponensek kiajánlása mikroszolgáltatásként és eseményvezérelt munkafolyamatokként; integráció orchestrációs eszközökkel (Airflow, Prefect) és üzleti API-kkal
• ▹Folyamatos tanulás: az LLM, vision és analitikai fejlemények követése, tapasztalatok megosztása a mérnöki csapattal, junior mérnökök mentorálása, közreműködés a technikai irányban

Elvárások

• ▹BSc informatika, matematika vagy kapcsolódó terület
• ▹5+ év szakmai tapasztalat AI/ML projekteken
• ▹Python és a fő könyvtárak (PyTorch/TensorFlow, scikit-learn, pandas, NumPy) magabiztos ismerete
• ▹Gépi tanulási algoritmusok, mélytanulási alapok és alapstatisztika szilárd ismerete
• ▹Tapasztalat adat-előkészítésben és vizualizációban (Matplotlib/Plotly), feltáró elemzésben
• ▹Jártasság legalább az egyikben: OpenCV, Hugging Face Transformers, LangChain, MLflow vagy hasonló
• ▹Szoftverfejlesztési legjobb gyakorlatok ismerete: Git, kódfelülvizsgálat, tesztelés, CI

Előny

• ▹C++ vagy C# ismerete teljesítménykritikus modulokhoz
• ▹Modellek éles környezetbe vitele Dockerrel, Kubernetesszel vagy felhő AI-szolgáltatásokkal
• ▹Vektoradatbázisok és RAG-munkafolyamatok ismerete
• ▹BI/dashboard eszközök (Power BI, Tableau, Streamlit) vagy idősoros keretrendszerek (Prophet, statsmodels)
• ▹MLOps/LLMOps eszközök (DVC, MLflow Tracking, Weights & Biases, BentoML)
• ▹Képfeldolgozási tapasztalat (OpenCV, szegmentáció, jellemzőkinyerés)
• ▹Spark (PySpark) és elosztott adatfeldolgozás, Databricks, AWS EMR vagy GCP Dataproc platformokon
• ▹Erős SQL-tudás, nagy méretű adathalmazokkal való munka, particionálás és teljesítményhangolás
• ▹Modern data lake architektúrák ismerete

Soft skillek