Programista Fintech AI

Wyobraź sobie sytuację, jak FinTech AI działa w prawdziwym życiu:
Rodzina — skromna, pracowita, z dwójką dzieci — stara się o kredyt mieszkaniowy, ale wniosek zostaje odrzucony. Matka załamuje ręce, dzieci płaczą, ojciec nerwowo przelicza coś w Excelu.
I wtedy wchodzisz Ty, cały na biało — niczym rycerz z bajki, tylko że uzbrojony w SHAP-a i Jupyter Notebooka. Sprawdzasz model scoringowy, patrzysz w dane — i widzisz to: ukryty bias! Algorytm dyskryminuje zwykłych ludzi.
Poprawiasz model, dopisujesz testy, aktualizujesz repo, a potem… wniosek przechodzi. Rodzina szczęśliwa, Ty dostajesz tytuł „Pracownika roku” i uścisk ręki prezesa.

I tak właśnie może wyglądać Twoje życie po przerobieniu kursu Ścieżka Kariery Programist(k)a FinTech AI. Oczywiście być może wylądujesz też w korpo i będziesz przez całe dnie przekładać papiery, ale gdyby to zależało od nas, pierwszy scenariusz wydarzyłby się na 100%.

Jeśli zdecydujesz się realizować z nami kurs Programisty FinTech AI, przez kolejnych 12 miesięcy będziemy pracować na prawdziwych danych i rozwiązywać prawdziwe problemy z branży FinTech — od SQL-a i scoringu po fraud detection, LLM do dokumentów KYC i reinforcement learning w tradingu.

Za rok od dziś nie będziesz musiał(a) lać wody podczas rozmów rekrutacyjnych. Będziesz mieć kompletne repozytorium, gotowe portfolio — coś, co naprawdę robi wrażenie i pokazuje Twoje zaangażowanie.

I co? Gotowy_a na skos na głęboką wodę? Czy chcesz najpierw poczytać, o co chodzi z całym tym fintechem?

Kim jest programist(k)a FinTech AI?

Programista AI w Fintech (ang. FinTech AI Engineer) to osoba, która nadaje danym finansowym sens — i sprawia, że AI podejmuje decyzje lepiej niż człowiek. To specjalist(k)a od modeli, które oceniają ryzyko, wykrywają oszustwa, analizują dokumenty KYC i podejmują decyzje w ułamku sekundy.

Na co dzień taki programista:

  • buduje modele scoringowe i predykcyjne — od klasycznych regresji po LightGBM, autoenkodery i reinforcement learning,
  • projektuje pipeline’y ETL i orchestrację danych w Spark od DuckDB, Apache Airflow, Prefect,
  • integruje modele z chmurą i API — konteneryzuje je, wdraża w SageMakerze, monitoruje metryki i drift,
  • zna regulacje i wymagania compliance — wie, co to PSD2, AML, RODO, AI Act i jak przygotować model do audytu.

To nie tylko praca z danymi i kodem, ale praca na styku ML, inżynierii, finansów, prawa i odpowiedzialności społecznej. Bo model, który odrzuca komuś kredyt, powinien być nie tylko skuteczny — ale też sprawiedliwy i wyjaśnialny.

Tacy specjaliści znajdują pracę w bankach, fintechach, firmach doradczych, startupach AI oraz zespołach MLOps i RegTech — wszędzie tam, gdzie decyzje finansowe mają znaczenie.

Roczna ścieżka kariery — czyli jak to działa?

Przygotowaliśmy 12-miesięczny plan rozwoju, który pozwoli Ci zdobyć umiejętności Programisty FinTech AI. Każdy miesiąc zawiera konkretne zadania do wykonania, narzędzia, które trzeba opanować, realistyczny cel oraz opcjonalne wyzwania dodatkowe. Wszystko tak zaplanowane, by można było pogodzić to z codzienną pracą.

Oczywiście nie jest to kompletny curriculum, jakie otrzymał(a)byś na uczelni wyższej przez 8 czy 10 semestrów codziennej nauki. To tzw. minimum viable path, czyli materiał, który pozwoli Ci zacząć pracę w zawodzie, a następnie uzupełniać ewentualne braki i pogłębiać wiedzę przez kolejne lata. Zresztą, nie oszukujmy się, praca jako Programista AI to ciągła nauka. Narzędzia, biblioteki, a nawet modele zmieniają się tak dynamicznie, że za pięć lat zakres Twojej pracy może wyglądać zupełnie inaczej.

Nasza ścieżka rozwoju to przekrój przez wszystkie kluczowe warstwy nowoczesnych systemów FinTech AI — od kodu, przez dane, aż po produkcyjne wdrożenie i zgodność z regulacjami. Zaczynamy od podstaw: konfigurujemy środowisko, uczymy się wersjonować kod i tworzymy pierwsze zapytania SQL na danych transakcyjnych.

Następnie wchodzimy w statystykę i rachunek prawdopodobieństwa — matematyka to królowa nauk i bogini FinTechu. To język, którym mówi scoring kredytowy, analiza ryzyka i walidacja modeli. Zbudujemy własne pipeline’y ETL w Spark i DuckDB, poznamy Feature Store, trenowanie modeli LightGBM, autoenkodery do wykrywania anomalii i LSTM do prognozowania szeregów czasowych.

Pokażemy, jak wdrażać modele scoringowe jako mikroserwisy w FastAPI, trenować i rejestrować modele w SageMakerze, pisać testy, ustawiać monitoring i budować dashboardy w Streamlicie. Zajmiemy się też dokumentacją modeli, wyjaśnialnością, audytem fairness i zgodnością z regulacjami (PSD2, AML, GDPR, AI Act). Tak! Tego właśnie często brakuje devom, którzy nigdy nie pracowali w zespole produkcyjnym.

I co najlepsze — przez cały rok budujesz realne portfolio. Repozytorium z kodem, artefaktami, testami i opisem każdego kroku. Z takim zestawem idziesz na rozmowę rekrutacyjną nie jako początkujący dev, ale ktoś, kto zna branżę „od podszewki”.

!Uwaga!
Aktualnie ścieżka kariery jest w wersji β (beta) — plan jest kompletny i działa, ale jeszcze go testujemy. Dlatego ebook i wszystkie inne materiały będą na bieżąco aktualizowane. Zaglądaj do nas regularnie, a najlepiej zapisz się do newslettera — tam zawsze pojawią się informacje o zmianach i nowych materiałach.

A jeśli masz ochotę zostać Programistą FinTech AI i przy okazji naszym β-testerem, napisz do nas — z radością Cię przywitamy.

Co zawiera ścieżka kariery?

Ebook ścieżki kariery dzieli się na 12 miesięcy. W każdym miesiącu jest lista materiałów do opanowania, a także zadań podstawowych (obowiązkowych) i dodatkowych + zadania projektowe. Każdy miesiąc dostanie swoją podstronę na porozmawiAImy.pl, gdzie znajdziesz dokładniejszy opis zadań wraz z wyjaśnieniem i materiałami dodatkowymi. Do tego oczywiście freebies: rozwiązania zadań, checklisty, szablony kodu i wersje do druku. Tu możesz przeklikać się do danego miesiąca (lista będzie aktualizowana na bieżąco):

Miesiąc I – Setup & Repozytorium
Miesiąc II – Statystyka i scoring
Miesiąc III – Feature engineering & LightGBM
Miesiąc IV – Time series & LSTM
Miesiąc V – Risk & Explainability
Miesiąc VI – Fraud & autoenkodery
Miesiąc VII – Reinforcement learning & trading
Miesiąc VIII – OCR & przetwarzanie dokumentów
Miesiąc IX – NER & KYC z LLM
Miesiąc X – Monitoring & retrain
Miesiąc XI – Fairness & regulacje (AI Act, AML, PSD2)
Miesiąc XII – Portfolio & demo

To co? Gotowi na przygodę z FinTech AI? Zaczynamy!