Przetarg 12662198 - Wybór wykonawcy do wykonywania usług wsparcia w realizacji...

jącego. Zakłada się, że Zamawiający każdorazowo odpytywać będzie wyłonionego w ramach postępowania Wykonawcę o możliwości realizacji danego zakresu prac. Dlatego też w ramach postępowania zakłada się zawarcie Umowy ramowej z więcej niż jednym Wykonawcą.
Podstawą do realizacji prac w ramach Umowy ramowej będzie Zamówienie każdorazowo składane przez JSW IT Systems Sp. z o.o. do danego Wykonawcy.
Przed złożeniem zamówienia, o którym mowa powyżej, Zamawiający skieruje do Wykonawców (z którymi zawarte zostały Umowy ramowe) zapytanie z prośbą o złożenie oferty na realizację określonego zakresu prac. Wykonawcy, którzy będą zainteresowani złożeniem oferty, wycenią usługę na podstawie stawki zawartej w Umowie ramowej oraz określą przy tym możliwy termin rozpoczęcia i zakończenia prac. Na tej podstawie Zamawiający wyłoni Wykonawcę, do którego ostatecznie skierowane zostanie Zamówienie.
W ramach usług wsparcia w realizacji prac nad tworzeniem nowych oraz rozbudową istniejących rozwiązań informatycznych w technologii AI poszukiwane są poniższe profile specjalistów:
Poziom Profil Zakres kompetencji
AI1 AI Inżynier Doświadczenie i kompetencje ogólne
• 3-5 lat doświadczenia zawodowego w obszarze AI / Machinę Learning
• Umiejętność przekładania wymagań biznesowych na rozwiązania
techniczne
• Współpraca z zespołami Data Science, Engineering i biznesem
• Praca w środowisku zespołowym (Agile) z wykorzystaniem narzędzi takich
jak Jira, Confluence
Programowanie i przetwarzanie danych
• Bardzo dobra znajomość języka Python (mile widziana znajomość R)
• Praca z danymi przy użyciu bibliotek takich jak Pandas, NumPy
• Analiza i wizualizacja danych
• Znajomość SQL oraz narzędzi do przetwarzania danych (np. Spark,
Airflow)
Machine Learning & AI
• Znajomość algorytmów Machine Learning i Deep Learning
• Doświadczenie w budowie, trenowaniu i walidacji modeli
• Znajomość technik:
o Natural Language Processing (NLP)
o i/lub Computer Vision
LLM i nowoczesne systemy AI
• Praca z modelami językowymi (LLM), w tym:
o fine-tuning modeli o prompt engineering
o budowa systemów typu RAG (Retrieval-Augmented Generation)
• Doświadczenie z narzędziami typu Hugging Face Transformers
Frameworki i narzędzia ML
• Praktyczna znajomość bibliotek:
o TensorFlow o PyTorch o Keras
Cloud i infrastruktura
• Doświadczenie z przynajmniej jedną platformą chmurową:
o Azure AI
o Google Cloud Vertex AI o AWS SageMaker / Bedrock o Databricks
• Znajomość systemów operacyjnych Linux i/lub Windows
MLOps i wdrożenia
• Budowa i wdrażanie modeli do środowisk produkcyjnych
• Tworzenie API dla modeli AI
• Monitoring modeli (wydajność, drift)
• Znajomość podejścia MLOps
DevOps i narzędzia inżynierskie
• Praca z systemem kontroli wersji Git
• Doświadczenie z CI/CD (np. GitLab CI, Jenkins)
• Konteneryzacja aplikacji z wykorzystaniem Docker
Jakość i optymalizacja
• Testowanie, debugowanie i optymalizacja modeli oraz kodu
• Dbanie o wydajność i skalowalność rozwiązań AI
AI2 Starszy Inżynier Algorytmów AI Doświadczenie i rola
• Minimum 3-5 lat doświadczenia w obszarze AI / Machinę Learning
• Projektowanie i rozwój zaawansowanych rozwiązań AI/ML w środowiskach produkcyjnych
• Przekładanie potrzeb biznesowych na skalowalne rozwiązania algorytmiczne
• Współpraca z zespołami Data Science, Engineering oraz interesariuszami
biznesowymi
• Mentoring młodszych inżynierów i wsparcie techniczne zespołu
Programowanie i przetwarzanie danych
• Bardzo dobra znajomość języka Python (mile widziana znajomość R)
• Zaawansowana praca z danymi przy użyciu Pandas, NumPy
• Projektowanie pipeline'ów przetwarzania danych
• Znajomość SQL oraz narzędzi Big Data (np. Spark, Airflow)
Machine Learning & Deep Learning
• Bardzo dobra znajomość algorytmów ML i Deep Learning
• Projektowanie, trenowanie, walidacja i optymalizacja modeli
• Dobór odpowiednich metod i architektur w zależności od problemu
• Doświadczenie w obszarach:
o Natural Language Processing (NLP)
o Computer Vision
LLM i nowoczesne systemy AI
• Praca z modelami LLM, w tym:
o fine-tuning i adaptacja modeli o prompt engineering o projektowanie systemów typu RAG
• Integracja modeli generatywnych w systemach produkcyjnych
• Doświadczenie z Hugging Face Transformers i podobnymi narzędziami
Frameworki i narzędzia ML
• Praktyczna znajomość:
o TensorFlow o PyTorch o Keras
• Optymalizacja modeli pod kątem wydajności i zużycia zasobów
Cloud i infrastruktura
• Doświadczenie z platformami chmurowymi (Azure, GCP, AWS, Databricks)
• Projektowanie i wdrażanie rozwiązań AI w środowiskach chmurowych
• Znajomość systemów Linux/Windows
MLOps i wdrożenia
• Budowa i utrzymanie pipeline'ów MLOps
• Wdrażanie modeli do produkcji (API, batch, real-time)
• Monitoring modeli (drift, jakość, wydajność)
• Zarządzanie cyklem życia modeli (versioning, retraining)
DevOps i inżynieria oprogramowania
• Zaawansowana praca z Git
• Tworzenie i utrzymanie CI/CD (GitLab CI, Jenkins lub podobne)
• Konteneryzacja (Docker)
• Współpraca przy orkiestracji (np. Kubernetes - mile widziane)
Jakość, optymalizacja i skalowalność
• Testowanie, debugowanie i optymalizacja modeli oraz pipeline'ów
• Dbanie o skalowalność i wydajność systemów AI
• Analiza i redukcja kosztów obliczeniowych
AI3 AI Architekt Doświadczenie i rola
• Minimum 5-8 lat doświadczenia w obszarze AI / Machine Learning
• Projektowanie skalowalnych architektur AI/ML (batch, real-time, streaming)
• Definiowanie standardów architektonicznych i technologicznych • Wybór narzędzi i frameworków w zależności od use case'ów • Projektowanie systemów opartych o LLM, RAG i agentów AI • Mentoring młodszych inżynierów i wsparcie techniczne zespołu
Machine Learning & AI
• Zaawansowana znajomość ML, Deep Learning, NLP, Computer Vision • Projektowanie pipeline'ów ML (end-to-end)
• Optymalizacja modeli (latency, koszt, wydajność)
• Dobór architektur modeli (np. transformers, CNN)
Data & Engineering
• Projektowanie pipeline'ów danych (ETL/ELT)
• Praca z dużymi zbiorami danych (Big Data)
• Znajomość narzędzi: Python (Pandas, NumPy), Spark, Databricks • Data governance i jakość danych
Cloud & Platformy AI
• Doświadczenie z: o Microsoft Azure AI o Google Vertex AI o AWS SageMaker / Bedrock o Databricks Mosaic AI
• Projektowanie rozwiązań multi-cloud / hybrid
MLOps / LLMOps
• Budowa i utrzymanie pipeline'ów CI/CD dla modeli • Monitoring modeli (drift, performance)
• Versioning modeli i danych
• Automatyzacja deploymentów
System Design & Integracja
• Integracja AI z systemami biznesowymi (API, microservices)
• Projektowanie systemów rozproszonych • Orkiestracja: Kubernetes, Docker
• Tworzenie systemów wysokiej dostępności (HA)
Bazy danych
• Relacyjne: PostgreSQL, Oracle, SQL Server • NoSQL: MongoDB, Cassandra, DynamoDB, Redis • Wektorowe (RAG): FAISS, Pinecone, Weaviate
AI Governance & Security
• Bezpieczeństwo modeli i danych • Zarządzanie ryzykiem AI • Explainability (XAI)
• Compliance (np. GDPR)
Optymalizacja i koszty
• Optymalizacja kosztów infrastruktury (FinOps)
• Dobór architektury pod koszt vs wydajność • Skalowanie systemów AI
Współpraca i leadership
• Współpraca z zespołami: Data Science, Engineering, Business • Mentoring techniczny • Narzędzia: Jira, Confluence • Tłumaczenie wymagań biznesowych na rozwiązania AI