Python developer állások VIII. kerületben (it programozás, fejlesztés)

• Komplex adatfeldolgozás és elemzés: különböző egyetemi adatforrások feldolgozása, összekapcsolása, összetett SQL-lekérdezések és elemzések készítése.
• Adatmodellezés: elemzési és riportolási célú adatmodellek, adatstruktúrák és számítási logikák megtervezése, kialakítása és továbbfejlesztése.

• Design and build scalable, high-performance distributed systems and microservices.
• Develop concurrent applications using robust multi-threaded architecture in Linux environments.
• Leverage AI developer tools like GitHub Copilot and Claude Code to accelerate the SDLC.

• 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).

• Technológiai irányelvek és architekturális sztenderdek kialakítása és fenntartása;
• Rendszer- és alkalmazásarchitektúra tervezése a skálázhatóság, biztonság és teljesítmény figyelembevételével;
• Technológiai döntések támogatása és felülvizsgálata; új technológiák értékelése és bevezetése.

• 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.

• Collaborate with business stakeholders to identify opportunities and translate business challenges into actionable Data Science and AI use cases.
• Design, develop and evaluate machine learning models using statistical methods, supervised and unsupervised learning techniques.

• Design, maintain, and evolve robust, scalable data architectures aligned with business and digital transformation objectives
• Build and optimize high‑performance data models for analytics
• Act as a strategic partner to business and engineering teams to shape data solutions end‑to‑end

● Audiovizuális megoldások (Digital Media Signage, videókonferencia rendszerek) támogatása és tesztelése ● Ügyfélprojektekhez kapcsolódó integrációs fejlesztésekben való közreműködés ● Ügyféldemók és technikai bemutatók összeállítása, karbantartása ● Rendszerüzemeltetési és monitoring feladatok...

• Operate, govern, secure, and continuously improve the Azure Databricks platform, ensuring reliability, scalability, security, and cost efficiency.
• Manage Databricks workspaces, environments, account-level settings, identities, and platform access controls.

• Design and own the Azure Native Data & AI Platform architecture
• Lead Azure Databricks platform implementation and evolution
• Define enterprise data, analytics, ML and AI platform standards and best practices
• Design Lakehouse and Medallion architectures

Az Agentic AI Platform célarchitektúrájának meghatározása és folyamatos karbantartása, beleértve az agent futtatási környezetet, az orchestrációt, az eszközintegrációt, az MCP-szervereket, a modellhozzáférést, a RAG-ot, a memóriakezelést, a guardrail megoldásokat, az observability-t és a fejlesztők...

• 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 alapvető elemeinek kialakítása és továbbfejlesztése, beleértve az agent futtatási környezetet, az orchestrációt, a human-in-the-loop megoldásokat, a rendszerellenálló képességet, a RAG-infrastruktúrát, a tool registry-t és az életciklus-kezelési szolgáltatásokat....

• Az Agentic AI Platform vállalati integrációs rétegének kialakítása és továbbfejlesztése.
• MCP-szerverek és connectorok fejlesztése és üzemeltetése, amelyek szabványosított és szabályozott hozzáférést biztosítanak az AI-agentek számára a vállalati rendszerekhez és eszközökhöz.

• Design, build and deploy AI agents and multi-agent pipelines for B2B clients across sales, support, and operations
• Architect integrations between LLM layers, voice AI (VoIP/SIP), CRMs, and business workflows

• Design, implement, and optimize compiler passes and transformations using LLVM/Clang or GCC
• Build and maintain robust toolchains
• Support new and complex architectures in compiler backends
• Work on architecture-agnostic and IR-level optimizations
• Work on silicon specific optimizations

• Ownership of data engineering features, architecture, and code quality
• Design, implementation, and maintenance of Databricks-based data pipelines and workflows
• Building and optimization of ETL/ELT processes using Apache Spark on Databricks

• Building and optimizing inference pipelines for large-scale model serving
• Working with frameworks like PyTorch, TensorRT, and vLLM to deploy models efficiently
• Implementing and optimizing ML models using techniques such as quantization, kernel fusion, and efficient batching

• Building and maintaining simulation environments for mobile robotic perception and navigation
• Developing and integrating robotic behaviours and learning pipelines for reinforcement learning and motion planning in complex outdoor environments

• Chunking and ingestion architecture with deterministic, validation-gated pipelines handling diverse enterprise document types with indexing and contextual enrichment
• Retrieval pipeline with vector search, BM25 hybrid retrieval, RRF re-ranking, embedding model selection and optimisation