Programista Full Stack

Poszukuje : Electric Entropy

- Kogo? MID Fullstack Python AI dev

- Forma współpracy: B2B, jednorazowy projekt z możliwością stałego zatrudnienia w przyszłości. - - 100% zdalnie

- Start: wrzesień.

----------------

Szukamy Mid Python Ai developera do ok. 1-miesięcznego projektu z możliwością dalszej współpracy przy kolejnych wdrożeniach i stałym zatrudnieniu.

Szukamy osoby, która potrafi samodzielnie zrealizować działający system AI na podstawie gotowej specyfikacji.

Najbardziej interesuje nas Mid / Full-Stack Python / AI Developer z mocnym backendem i praktycznym doświadczeniem w AI/RAG.

Kluczowe kompetencje:

Python + FastAPI + PostgreSQL + RAG + Qdrant + orchestracja LLM

Frontend jest bardzo dużym plusem, ale nie oczekujemy „unicorn seniora od wszystkiego”.

Co będziesz robić

• projektować i implementować wielomodelowy pipeline AI,
• budować backend (FastAPI + PostgreSQL + Redis/Celery),
• tworzyć warstwę AI/RAG,
• przygotowywać frontend (React / Next.js + Tailwind),
• wdrażać rozwiązanie na środowisku produkcyjnym (systemd + nginx),
• implementować mechanizmy human-in-the-loop wraz ze scoringiem pewności odpowiedzi.

Przykładowy typ projektu:

OCR → parsing dokumentu → NER → dekompozycja LLM → hybrid search po katalogu produktów → scoring pewności → draft oferty → akceptacja przez pracownika → eksport do systemu klienta

Dodatkowo pojawiają się moduły typu:

• harvestery danych,
• integracje CRM,
• portal klienta,
• transkrypcja spotkań (Whisper/STT).

Wymagania obowiązkowe

Backend

• Python 3.11+
• FastAPI
• SQLAlchemy async
• Pydantic v2
• PostgreSQL 15
• Redis + Celery
• REST API + integracje zewnętrzne

AI / RAG

• praktyczne doświadczenie z RAG,
• hybrid search (exact + semantic + metadata filtering),
• re-ranking,
• świadomość, że dane strukturalne (JSON produktowy) wymagają wzbogacenia przed embeddingiem,
• Qdrant lub FAISS (indeksacja wielopoziomowa, filtry atrybutowe),
• embeddingi dla języka polskiego,
• structured output (JSON),
• prompt engineering,
• dekompozycja zadań,
• feedback loop z decyzji użytkownika,
• orchestracja wielu modeli LLM,
• scoring pewności odpowiedzi,
• lokalne uruchamianie modeli (Ollama).

Frontend

• React lub Next.js,
• Tailwind CSS,
• rozumienie SSR vs CSR,
• interfejsy typu human-in-the-loop.

DevOps / bezpieczeństwo

• Linux / bare metal,
• systemd,
• nginx,
• podstawy Dockera,
• Least privilege (twarda reguła EE #8) — każda usługa produkcyjna na dedykowanym koncie (User=<app>, nologin), nigdy root,
• kod z lokalizacji niezapisywalnej,
• sekrety z uprawnieniami 600,
• nasłuch wyłącznie na 127.0.0.1 lub LAN, nigdy 0.0.0.0,
• traktowanie tych zasad jako warunku koniecznego, a nie „nice to have”,
• dobra dyscyplina Git.

Dodatkowe wymagania projektowe

• Document AI
• OCR (Tesseract),
• analiza układu dokumentu LayoutLM-class (tabele, sekcje, pola),
• konwersja PDF / DOC / skan → structured JSON,
• NER: ekstrakcja encji technicznych (nr katalogowe, CAS, parametry, ilości),
• świadomość, że modele PL wymagają fine-tuningu na terminologię domenową (HerBERT-class).

STT

• Whisper large-v3 lokalnie,
• pipeline STT → LLM → structured note,
• świadomość wymagań RODO: zgoda w nagraniu oraz usuwanie audio po transkrypcji.

Harvestery / scraping

• cykliczne pobieranie danych z API i HTML,
• diff „co się zmieniło”,
• filtr domenowy,
• publiczne źródła danych (API + BIP + bazy publiczne).

Mile widziane

• fine-tuning modeli NER,
• Elasticsearch lub Meilisearch,
• doświadczenie w sektorach regulowanych,
• architektura multi-tenant / SaaS,
• doświadczenie mobilne.

Jak pracujemy

Developer skupia się na stronie technicznej i realizuje rozwiązanie end-to-end na podstawie specyfikacji.

Przebieg rekrutacji:

Krótkie zadanie techniczne

Dostaniesz:

• jedną kartę przetargową (.doc),
• próbkę katalogu produktów.

Do zbudowania:

dokument → wyciągnięte pozycje → dopasowanie do katalogu (hybrid search) → top-3 propozycje z oceną pewności i uzasadnieniem

Forma dowolna: prosty frontend, CLI lub JSON.

Oceniamy:

• jakość dopasowania,
• uczciwość scoringu,
• czytelność kodu,
• bezpieczeństwo wdrożenia,
• uzasadnienie decyzji technicznych.

-------------------------------------------------------------------------

Stack referencyjny naszej firmy

Backend: Python 3.11 · FastAPI · SQLAlchemy async · Pydantic v2 · PostgreSQL 15 · Redis · Celery · Ollama · Qdrant

Frontend: React / Next.js · Tailwind

Deploy: bare metal · systemd · nginx

CI: Drone · Gitea

Modele: LayoutLMv3 · HerBERT-NER · stella-pl / e5 · Whisper large-v3 · Qwen 72B / 32B

Zgłoszenia

Proszę o przesłanie:

• krótkiego opisu doświadczenia,
• linku do GitHuba lub wybranych projektów,
• informacji o dostępności w najbliższym miesiącu,
• orientacyjnej stawki B2B (godzinowej lub za cały projekt).

Szukamy osób, które realnie budowały systemy AI/RAG w Pythonie, a nie tylko korzystały z gotowych wrapperów do modeli LLM.

📩 Zgłoszenia prosimy wysyłać na: [email protected] -tytuł: Kandydat AI Python Dev