Polski
English
ItalianoBuduję deterministyczne warstwy, które trzymają modele językowe w ryzach: systemy ewaluacji i walidacji, wychwytujące błędy modelu zanim trafią do użytkownika. Moja praca magisterska na UMK (AI) to szachowy silnik oparty na teorii grafów z neuro‑symbolicznym modułem wyjaśniającym. Każda pozycja jest zamieniana w graf, przechodzi analizę taktyczną, a weryfikator blokuje każdą odpowiedź LLM‑a, której graf nie potrafi uzasadnić. Tę samą zasadę stosuję w praktyce: precyzyjny zakres, testy i deterministyczne zabezpieczenia wokół probabilistycznych elementów. Po stronie backendu (Bauhus) integrowałem zewnętrzne API logistyczne i płatnicze oraz optymalizowałem zapytania SQL na dużych tabelach transakcyjnych. Pracuję w krótkich iteracjach i oddaję działający kod z dokumentacją, a nie prezentacje. Jestem otwarty na role AI Engineer i Backend Developer, B2B lub UoP, zdalnie lub hybrydowo. Masz proces, który warto zautomatyzować, albo model LLM, któremu jeszcze nie ufasz? Napisz. Umiejętności Python · SQL · Ewaluacja LLM · RAG · NLP · Machine Learning · PyTorch · Neuro‑symboliczne AI · Wyszukiwanie wektorowe · BM25 · Embeddings · Transformers · Hugging Face · REST API · FastAPI · Walidacja JSON Schema · Integracje API · Docker · Git · Linux · Algorytmy grafowe · NetworkX · rustworkx · scikit‑learn · Bradley‑Terry · ETL · Potoki danych · Optymalizacja baz danych · Power BI · Power Query · C++ · Agile · Jupyter · LangChain Doświadczenie Backend Developer, Bauhus Poland · Toruń · wrz 2024 – gru 2024 – Integracja zewnętrznych API logistycznych i płatniczych z platformą e‑commerce. – Redukcja wąskich gardeł w bazie danych dzięki optymalizacji zapytań SQL. – Refaktoryzacja stron frontendu (JS, PHP); praca w zespole Agile z Git i code review. Data Analyst Intern, Coloplast Business Centre · Szczecin · wrz 2020 – Przygotowywanie raportów i dashboardów Power BI dla nietechnicznych odbiorców. – Budowa przepływów ETL w Power Query do czyszczenia i łączenia dużych zbiorów danych. Projekty Deep Graph Search (DGS) — Szachowy silnik grafowy & Neuro‑symboliczne XAI · Praca magisterska Python, rustworkx, NetworkX, python‑chess, scikit‑learn, Sigma.js – Zamienia każdą pozycję w typowany graf skierowany i wykrywa motywy taktyczne (wiązania, widełki, przestawki, baterie) przez dopasowanie podgrafów (VF2) i algorytmy grafowe (betweenness, punkty artykulacji). – Dodaje analizę topologiczną: dekompozycję quasi‑planarną, wykrywanie przeszkód Kuratowskiego (K₅/K₃,₃), HITS (hubs/authorities) oraz Min‑Cut między królami. – Neuro‑symboliczny moduł wyjaśniający wstrzykuje fakty z grafu do promptu; weryfikator odrzuca każdą tezę, której graf nie potwierdza. Ranker Bradley‑Terry (L‑BFGS‑B) nadaje interpretowalne wagi cech. Czas działania ~187 ms/pozycję przy interaktywnej głębokości. Differentiable Tensor Logic Engine · Projekt badawczy Python, PyTorch. W pełni różniczkowalny silnik wnioskowania (wg Domingosa 2025), mapujący ograniczenia logiczne na operacje tensorowe optymalizowane gradientowo. Priqualis — Hybrydowy system wyszukiwania i walidacji · Projekt własny Python, BM25, wyszukiwanie wektorowe, YAML DSL. Łączy wyszukiwanie leksykalne i wektorowe z deklaratywnymi regułami YAML do walidacji rekordów i sugerowania poprawek, z deterministycznym wynikiem. Wykształcenie M.Sc. Informatyka (specjalizacja AI), Uniwersytet Mikołaja Kopernika, Toruń. 2024–2026 (plan. czerwiec 2026). Erasmus+, UNICAL, Włochy (AI / Data Science). wrz 2025 – lut 2026. Języki Polski (ojczysty) · Angielski (B2/C1) · Włoski (A2)
