Brno
Měsíčně: 141 000 CZK
Od: 8/2026
HPP Klient Home office: 60%
Data Engineer (43356)
Hledám Data Engineera se zaměřením na agentní AI, který bude navrhovat a implementovat škálovatelná řešení postavená na LLM a moderních AI frameworkách. Budete pracovat s Pythonem, cloudem a nástroji jako LangGraph nebo LangSmith, podílet se na vývoji backendu i optimalizaci výkonu modelů. Role je ideální pro někoho, kdo má zkušenost s nasazováním AI řešení do produkce a chce se podílet na jejich dalším rozvoji.
🚀 Projekt
- analýza technických požadavků a jejich převod do implementačních úloh pro agentní AI řešení
- vývoj a integrace škálovatelných agentních AI řešení včetně backend infrastruktury pro end-to-end nasazení
- implementace testovacích, monitorovacích a evaluačních pipeline pro zlepšování výkonu modelů, promptů a práce s kontextem
- účast na code reviews, nastavování best practices a mentoring mediorních kolegů v oblasti AI automatizace
🎯 Skills
- silná zkušenost s full-stack Python vývojem (FastAPI, Flask; SQL/NoSQL databáze)
- pokročilá znalost agentních frameworků (LangGraph, LangSmith), prompt engineeringu, context engineeringu, RAG, LLM a machine learningu
- zkušenost s integrací AI agentních řešení do produkčních systémů
- zkušenost s cloudovou infrastrukturou, Dockerem a CI/CD
- zkušenost s AI nástroji (Visual Studio, GitHub Copilot, Windsurf, Cursor apod.)
- silné analytické, problémové a komunikační schopnosti
- min. 3+ roky zkušeností v oblasti software engineeringu nebo data science, z toho alespoň 1+ rok s návrhem a nasazením agentních AI řešení
💡 Nice to have
- znalost statistiky a machine learningu (pravděpodobnost, hypotézy, experimentální design)
- zkušenost s návrhem a validací ML modelů (feature engineering, trénování, evaluace)
- zkušenost s návrhem evaluačních strategií (A/B testování, monitoring kvality)
- zkušenost s evaluací LLM (automatizovaná i human-in-the-loop)
- zkušenost s RAG (retrieval metriky, optimalizace dotazů, reranking)
- zkušenost s optimalizací promptů a kontextu (A/B testování, verzování)
- zkušenost s fine-tuningem (LoRA/QLoRA, DPO/IPO, práce s datasetem)
- znalost performance a cost optimalizace LLM systémů
- zkušenost s debuggingem a interpretací GenAI systémů
- zkušenost s data engineering nástroji (Snowflake, Databricks)