Modell állások, munkák it programozás, fejlesztés területen

• Machine learning és computer vision megoldások fejlesztése járműfelismerési és közlekedési alkalmazásokhoz
• Modellek és adatfeldolgozási folyamatok tervezése, implementálása, tanítása és kiértékelése

• LLM-, RAG- és agentikus AI-megoldások fejlesztése, tesztelése és értékelése.
• Coding agent skillek, MCP-szerverek és többlépéses workflow-k kipróbálása; tapasztalattól függően agent harness komponensek fejlesztése.

Az ALTEO Nyrt. által menedzselt hagyományos és megújuló energiaforrást hasznosító időjárásfüggő erőművi portfólióhoz kapcsolódó statisztikai, matematikai és üzleti modellek készítése, folyamatok kialakítása és az implementáció támogatása a Társaság más területeivel együttműködve;...

• AI-Native Infrastructure: Modern, GPU-intenzív AI/ML keretrendszerek szoftveres alapjainak megtervezése és kiépítése.
• Deep Containerization: Komplex Docker image-ek faragása, kifejezetten GPU-kompatibilis, AI workload-specifikus erőforráskezelésre (NVIDIA-docker, CUDA optimalizáció).

• Üzleti folyamatok, kivételek, adatforrások és jogosultságok feltérképezése; műszaki tervek, adatmodellek és adatszerződések kialakítása.
• AI-integrációk, ASP.NET Core szolgáltatások, háttérfolyamatok, REST/gRPC kapcsolatok és üzenetalapú megoldások fejlesztése.

• A Data Science & Analytics üzletágunk projektjeiben, fejlesztéseiben részvétel változatos iparágakban
• Önálló statisztikai elemzési és modellezési feladatok megoldása (tervezés, becslés, fejlesztés, tesztelés, dokumentáció)

• A Data Science & Analytics üzletágunk projektjeiben, fejlesztéseiben részvétel változatos iparágakban
• Önálló statisztikai elemzési és modellezési feladatok megoldása (tervezés, becslés, fejlesztés, tesztelés, dokumentáció)

• Komplex LLM-, RAG- és agentikus AI-megoldások célarchitektúrájának megtervezése, szakmai irányítása és produkciós bevezetése.
• Coding agent skillek, MCP-szerverek, agent harness és runtime komponensek, routing-, memory-, tool- és evaluációs megoldások kialakítása.

• End-to-end LLM-, RAG- és agentikus AI-megoldások megtervezése, fejlesztése, tesztelése és produkciós bevezetése.
• Coding agent skillek, MCP-szerverek, promptkomponensek, subagentek és többlépéses workflow-k kialakítása; agent harness komponensek fejlesztése.

• Adat töltések fejlesztése
• Mesterséges intelligencia modellek fejlesztésében részvétel
• Alkalmazás fejlesztésekben részvétel

• Kutatási, fejlesztési és termékfejlesztési feladatok önálló végrehajtása.
• Gépi tanulási modellek tervezése, megvalósítása és optimalizálása, mélytanulási módszerek alkalmazásával.
• Alapos irodalomkutatás, műszaki specifikációk összeállítása és részletes kutatási jelentések készítése.

• Elsődleges kapcsolattartóként működik a kiemelt IT-szolgáltatók és a belső érintettek között.
• A szolgáltatói teljesítmény nyomon követése és elemzése a megállapodott SLA-k, KPI-k és szerződéses kötelezettségek alapján.

• Ügyfelek üzleti és szervezeti kihívásainak stratégiai szintű értelmezése és prioritások meghatározása
• Megoldási koncepciók kidolgozása, alternatívák és trade-offok bemutatása a döntéshozók számára

• Az Agentic AI Platformhoz meghatározott szakterületi ontológiák, taxonómiák, tudásgráf-struktúrák és szemantikai elemek megvalósítása és karbantartása.
• Üzleti fogalmak és azok kapcsolatainak átalakítása géppel olvasható modellekké és validációs szabályokká.

• Az Agentic AI Platform adat-, ontológiai és tudásarchitektúrájának szakmai vezetése.
• Szakterületi ontológiák és közös szemantikai modellek tervezése a biztosítás, kárrendezés, kockázatvállalás, dokumentumok, bizonyítékok, döntések és kapcsolódó üzleti fogalmak területén.

• CI/CD- és GitOps-alapú telepítési megoldások tervezése, kialakítása és karbantartása az Agentic AI Platform számára.
• A felhőinfrastruktúra és a platformkörnyezetek automatizálása Infrastructure as Code (IaC) megközelítéssel, elsősorban Terraform és/vagy Bicep használatával.

A UNIQA Agentic AI Platform biztonsági architektúrájának és biztonsági kontrolljainak meghatározása és továbbfejlesztése az agent futtatási környezet, modellhozzáférés, RAG, memória, eszközintegráció, MCP-szerverek, API-k és felhőinfrastruktúra területén....

• Egy komplex, üzleti szempontból kritikus, vállalati szinten használt alaptermék továbbfejlesztése agilis fejlesztői csapatban
• Dinamikus interfészek továbbfejlesztése
• Ügyfél- és kiszolgáló komponensek továbbfejlesztése

• Fejlesztés és megvalósítás komplex generatív AI alkalmazásokban a felfedezéstől a bevezetésig
• Legjobb gyakorlatok keretrendszerének kialakítása felhőarchitektúrák telepítéséhez AI ügynökök támogatására, költség, teljesítmény és biztonság fókuszával LLM munkaterhelésekhez és vektor kereséshez

• AI-alapú alkalmazások és szolgáltatások fejlesztése Pythonban
• Nagy nyelvi modellek (LLM) integrálása vállalati rendszerekbe
• API-k és újrafelhasználható komponensek építése az AI-megoldásokhoz
• RAG-megoldások és AI-agentek fejlesztése saját infrastruktúrán