Python / Data Engineer pro AI pilot

Z DOMOVA

Python / Data Engineer pro AI pilot

Stavíme AI, která obchodníkům říká, co, kolik a za kolik naskladnit. Hledáme Python developera, který zvládne SQL a ETL pipeline, doplní chybějící parametry do DataGridu a pomůže propojit vstupní data s retrieverem. Remote-first, async. Data, která dýchají.

O projektu

Spouštíme ostrý AI pilot na vlastním 3-node GPU stacku.
Náš systém pomáhá obchodníkům rozhodnout, co, kolik a za kolik naskladnit – a běží plně on-prem.
Používáme ClickHouse, MLflow, Vault a Llama‑2 inference a měříme time-to-market v hodinách, ne týdnech.

Co budeš dělat

• Zpracovávat vstupní feedy (CSV, XLSX, JSON) a připravovat je pro retriever pipeline

• Vyvíjet skripty pro doplňování produktových parametrů z DataGridu (např. šířka, materiál, barva)

• Psát SQL dotazy pro validaci a doplňování atributů (ClickHouse, PostgreSQL)

• Monitorovat datovou úplnost a připravovat tabulky pro embedding a AI výstupy

• Spolupracovat s týmem na zlepšování datové kvality pro predikční a pricing modely

Tech stack

• Python 3.11, Pandas, SQLAlchemy

• PostgreSQL, ClickHouse, dbt (výhodou)

• GitLab CI, pytest, Docker

• FastAPI (volitelně pro integrační hooky)

Jaké jsou benefity?

• Práce na vlastním on-prem GPU stacku

• Async režim – žádné zbytečné cally

• Reálný dopad – AI, která ovlivní nákupní rozhodování

• Možnost být uveden jako spoluautor pilotu (GitHub, publikace)

• Výkonové bonusy za funkční deployment nebo rychlost inference

• Práce v sandboxu i air-gapped režimu

• Experimenty s LLM, retrievery, optimalizátory, auto-fallback

• Volnost v nástrojích – rádi zkoušíme, co funguje (FastAPI, Streamlit, MLflow, Vault, Terraform...)

Proč si vybrat tuto nabídku?

Hledáš smysluplný projekt, kde tvoje práce nezapadne v týmu 40 analytiků a nekončí v tabulce, kterou nikdo nečte? My stavíme AI, která obchodníkům radí, co, kolik a za kolik naskladnit – a tvoje data budou první, která to celé rozhýbou. Nejde o typický BI projekt. Nepotřebujeme další graf nebo dashboard. Jde o to doplnit chybějící produktové parametry, které reálně ovlivní prodeje. Připravíš data tak, aby je naše AI mohla použít hned – ne za tři kvartály. Kombinuješ tabulky, texty, kategorie i struktury. A ano, vše běží na ostrém systému, ne v sandboxu. Pracujeme s vlastním on-prem GPU clusterem, ne s připojením k OpenAI. Používáme ClickHouse, MLflow, Llama-2 inference, vektorové vyhledávání. Tvůj kód se stává součástí rozhodovací pipeline, kde je výsledek vidět – třeba v tom, že se produkt začne konečně prodávat. Pomůžeš nám zrychlit onboarding stovek SKU, snížit množství chyb, doplnit důležité atributy (např. šířka, barva, materiál) a zvýšit přesnost AI modelu. Tvoje skripty budou součástí datového srdce projektu. Pracujeme remote-first, async. Žádné nekonečné cally, žádné hluché schůzky. Dostaneš přístup k plné infrastruktuře. Pokud máš nápad, jak něco dělat líp – jdeme do toho. Neřešíme tituly, řešíme výsledek. A pokud se chytneš, můžeš pokračovat dál – třeba i jako spoluautor patentové přihlášky. Tvoje práce bude vidět. A hlavně – bude fungovat.

Hledáme

• Python
• Pandas
• SQL
• PostgreSQL
• Zpracování datových souborů
• Debugging a testování ETL
• Git (GitHub / GitLab)
• Zodpovědnost
• samostatnost
• Technický úsudek
• Orientace na výsledek
• cit pro datovou kvalitu
• Česky - domluvit se
• Anglicky - čtení dokumentace
• Úroveň: Medior
• Úroveň: Senior
• Praxe: 3 roky
• SŠ Vzdělání
• VŠ Vzdělání
• VŠ student

Výhodou

• dbt / Airflow
• Docker
• Data Quality / completeness testing
• Práce s datovými vzory a regulárními výrazy
• Příprava dat pro embedding ve ClickHousu / vektorový index

Zajímavé nabídky práce v okolí: