LLM-alapú megoldások és AI alkalmazások tervezése, fejlesztése és produkciós környezetbe történő bevezetése
RAG (Retrieval-Augmented Generation) Ă©s agentic AI rendszerek kialakĂtása, fejlesztĂ©se Ă©s optimalizálása
Python alapú backend szolgáltatások és AI komponensek fejlesztése, integrálása
Nagy nyelvi modellek (pl. OpenAI, Anthropic, Google vagy open-source modellek) gyakorlati alkalmazása üzleti problémák megoldására
AI megoldások skálázhatĂłságának, teljesĂtmĂ©nyĂ©nek Ă©s megbĂzhatĂłságának biztosĂtása
Szoros egyĂĽttműködĂ©s a fejlesztĹ‘i, termĂ©k- Ă©s ĂĽzleti csapatokkal az AI use case-ek megvalĂłsĂtása Ă©rdekĂ©ben
Új AI technológiák, eszközök és fejlesztési módszertanok értékelése és bevezetése
Éles AI rendszerek monitorozása, finomhangolása és folyamatos fejlesztése a felhasználói és üzleti igények alapján
Requirements
• Python (7+ years)• LLM APIs (Claude, OpenAI, AWS Bedrock)• Agent frameworks (Claude Agent SDK, OpenAI Codex SDK, pydantic-ai)• RAG systems design and implementation• Neo4j graph database• FastAPI• Vector databases (Milvus or Qdrant)• Kubernetes deployment• Docker• AWS/Azure cloud platforms• CI/CD (GitLab or GitHub)• Pytest
Nice to Have
• LangChain/LangGraph
• Terraform
• Prometheus/Grafana monitoring
Back to search
