Wymagania: - Programowanie w Pythonie przy użyciu klasycznego stosu naukowego (numpy, pandas, scipy, scikit-learn) + niektóre narzędzia do wizualizacji, takie jak matplotlib, plotly lub inne podobne biblioteki - Doświadczenie z algorytmami uczenia maszynowego i najlepiej z algorytmami optymalizacji numerycznej - Doświadczenie i/lub zrozumienie Tensorflow lub Pytorch. Idealne doświadczenie z transformatorami huggingface - Biegła znajomość języka SQL - Zrozumienie podstawowych koncepcji OOP i prog
Wymagania: - Programowanie w Pythonie przy użyciu klasycznego stosu naukowego (numpy, pandas, scipy, scikit-learn) + niektóre narzędzia do wizualizacji, takie jak matplotlib, plotly lub inne podobne biblioteki - Doświadczenie z algorytmami uczenia maszynowego i najlepiej z algorytmami optymalizacji numerycznej - Doświadczenie i/lub zrozumienie Tensorflow lub Pytorch. Idealne doświadczenie z transformatorami huggingface - Biegła znajomość języka SQL - Zrozumienie podstawowych koncepcji OOP i programowania funkcjonalnego w celu stworzenia łatwego w utrzymaniu i skalowalnego zarządzania code-git. Preferowane: - Doświadczenie z Numbą lub przynajmniej zrozumienie jego użycia i wyzwań podczas wdrażania - Doświadczenie w tworzeniu backendu mikrousługi z Pythonem (najlepiej FastAPI) - Doświadczenie i/lub dobra znajomość systemów LLM + RAG (wektorowe bazy danych, wyszukiwanie i reranking semantyczny + słowa kluczowe, przygotowanie i analizowanie bazy wiedzy, techniki podpowiedzi) - Podstawowe umiejętności w bashu Obowiązki: - Pisanie i optymalizacja kodu przy użyciu Python, pandy, scipy, numera, SQL itp. - Rozwiązywanie nieliniowych problemów optymalizacyjnych (w zakresie planowania zadań i przestrzeni alokacji) przy użyciu algorytmów genetycznych, wyszukiwania lokalnego i innych metod. - Tworzenie asystentów RAG opartych na LLM z kombinacją wiedzy klienta wiedza podstawowa i ogólna, jaką posiada model (przygotowanie danych, wyszukiwarki semantyczne i hybrydowe, uziemienie LLM)