Python állások V. 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.

• 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.

• 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).

● 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...

• 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...

• Ügyfeleink felhasználóinak támogatása (helpdesk, távoli és helyszíni support, GLPI jegykezelés)
• Windows kliens- és szerverkörnyezetek, Active Directory és Entra ID üzemeltetése, hibaelhárítás
• Microsoft 365 és Intune adminisztráció (felhasználók, licencek, eszközkezelés)

• 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.

• 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

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....

• 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.

• 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

• 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, 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

•Working closely with Test Engineers and Developers to understand product requirements and ensure high quality in releases •Testing Siemens SIMATIC S7 PLC and HMI product families’ engineering systems and hardwares •Executing test cases (manual and/or automated) and analyzing results •Writing and...

• 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