Python developer állások XIV. kerületben (programozó, fejlesztő)

• Development and operation of Keycloak/RHSSO-based IAM capabilities on Kubernetes
• Standardization of deployment, configuration, and troubleshooting practices
• Continuous improvement of reliability, security, and automation around the IAM platform

• Experience in different data science topics
• Independent delivery of data science projects with product-oriented mindset
• Engagement with clients to understand business objectives and translate into technical requirements
• Leading pre-sales technical discussions

• Active involvement in the software design and test of reference application processor firmware
• Low level software development, test and debug on various platforms including software models, development boards and shipping products

• Részvétel a termékek teljes életciklusában a kutatási és tervezési fázistól a fejlesztésen és tesztelésen át a továbbfejlesztésig
• Képfeldolgozással kapcsolatos algoritmusok kutatása, tervezése és fejlesztése
• Neurális hálózatok és gépi tanulási megoldások kutatása, fejlesztése és optimalizálása

• Writing reusable, testable, and efficient code mainly in Python
• Mastering the integration of user-facing elements developed by front-end developers with server side logic
• Integration of data storage solutions
• Handling security and data protection professionally and precisely

• Design and evolve robust cloud-native services and platforms with end-to-end ownership from ideation and prototyping to deployment, monitoring, and iteration
• Influence technical direction by identifying architectural pain points and improving engineering standards

• Designing, implementing, testing, and optimizing reliable, efficient, and high-quality data pipelines
• Automating the extraction, loading and transformation of data from a wide variety of sources
• Developing solutions for the automated acquisition of data from source systems

• Design of complex and scalable data solutions on the AWS cloud platform
• Development and implementation of complex and scalable data solutions on the AWS cloud platform
• Design and optimization of data pipelines
• Writing clean, efficient and maintainable SQL and Python code

• Architect scalable inference services, APIs, and backend components for model-driven and LLM-powered product features
• Productionize AI and ML workflows with strong MLOps practices
• Define and implement evaluation frameworks for model quality, system reliability, latency, and cost

• Design, build, and ship production retrieval systems
• Own vector store selection and operation including scalability, latency, reliability, cost, and multi-tenant design
• Build and operate indexing and refresh pipelines including chunking, embedding generation, backfills, deletes, and versioned indices

• AI-alapú rendszerek és alkalmazások architektúrájának tervezése és fejlesztése
• Microservice és event-driven architektúrák tervezése és technikai irányvonal meghatározása
• Architekturális döntések meghozatala, beleértve a megfelelő technológiai és tervezési megoldások kiválasztását

• Building robust, scalable technology and quantitative models
• Supporting investment decision making, risk management, and regulatory requirements
• Contributing to development of the Aladdin platform across diverse business areas

Design and build knowledge tracing and longitudinal learner models that support mastery and progression features surfaced to customers...

• Design and implement algorithms to process and analyze sensor data from sources like LiDAR, images, and satellite imagery
• Create algorithms to transform sensor data into actionable insights, such as reconstructing 3D models, segmenting spatial data, or detecting environmental features

• Develop and maintain scalable web applications using Angular or React
• Build and optimize RESTful APIs and microservices using Node.js, Python or .NET
• Define and manage cloud infrastructure using Infrastructure as Code, such as Terraform or OpenTofu

• LLM/GenAI architektúrák és agentek tervezése
• Ügyfelek fejlesztési igényeinek felmérése, átlátása és rendszerezése
• Specifikációk és rendszertervek készítése
• Prototípusok és PoC-ok létrehozása
• AI-megoldások jó gyakorlat szerinti kialakításában való részvétel

• Build and operate multi-cluster containerized environments across cloud platforms
• Create end-to-end CI/CD pipelines for cloud-native applications and machine learning workloads
• Lead cost-optimization and FinOps initiatives for GPU, storage and data-egress spend

• Új technológiák bevezetése
• Termékfejlesztési igények implementálása
• Rendszertervezés
• Tesztelés
• Dokumentálás
• Kapcsolódó alkalmazás- és interfészfejlesztésekben való együttműködés a társszervezőkkel
• Minőségbiztosítási feladatok támogatása

• Design and implement modern data architectures and lakehouse solutions
• Provide technical leadership throughout the project lifecycle
• Collaborate with business stakeholders
• Create effort estimations
• Provide technical expertise during the pre-sales phase
• Mentor 3-6 person project teams

• Lead the end-to-end implementation of data pipelines and GenAI applications on Databricks
• Design and maintain CI/CD, model serving, monitoring, and evaluation frameworks for AI production reliability
• Tune complex Spark jobs and LLM inference patterns for maximum efficiency and minimum latency