Machine Learning Engineer

Szukamy doświadczonej osoby, która dołączy do projektu z obszaru Machine Learning i modelowania predykcyjnego. Rola skupia się na budowie, wdrażaniu i rozwijaniu modeli wspierających procesy CRM, marketing, sprzedaż i kampanie.

Projekt realizowany jest w dużej organizacji z sektora finansowego, pracującej na dużych wolumenach danych i rozwijającej rozwiązania ML w środowisku Google Cloud Platform.

Tryb pracy: hybrydowy – 2 dni w tygodniu z biura w Warszawie
Język projektu: polski

Wymagania

• minimum 5 lat doświadczenia w modelowaniu predykcyjnym, dużym plusem będzie doświadczenie w sektorze bankowym,

• doświadczenie z modelami wspierającymi procesy CRM – marketing, sprzedaż lub kampanie,

• praktyczna znajomość Google Cloud Platform (GCP), w szczególności BigQuery, Vertex AI / AI Notebooks, Dataproc, Airflow i Dataflow,

• doświadczenie z dobrymi praktykami MLOps oraz CI/CD dla modeli ML,

• bardzo dobra znajomość Pythona i narzędzi do analizy danych,

• doświadczenie ze Spark/PySpark i rozproszonym przetwarzaniem danych,

• bardzo dobra znajomość SQL, mile widziane doświadczenie z BigQuery,

• doświadczenie w pracy z bardzo dużymi zbiorami danych,

• doświadczenie z rozwiązaniami przetwarzającymi dane w czasie zbliżonym do rzeczywistego,

• wykształcenie wyższe na kierunku ilościowym, technicznym lub pokrewnym.

Mile widziane

• doświadczenie w budowie i wdrażaniu rozwiązań GenAI/LLM,

• znajomość PyTorch,

• znajomość MLflow,

• doświadczenie ze Streamlit.

Czym będziesz się zajmować?

• budową i rozwojem modeli NLP, w tym deep learning, transformerów i LLM,

• projektowaniem modeli ML/AI – . klasyfikacyjnych i regresyjnych – od prototypu do produkcji,

• utrzymaniem, monitoringiem i ewaluacją modeli w całym ich cyklu życia,

• identyfikacją zdarzeń o wysokiej wartości predykcyjnej w danych klientów,

• rozwojem i optymalizacją pipeline’ów danych i ML z wykorzystaniem . Airflow i Dataflow,

• rozwojem rozwiązań wspierających dystrybucję leadów i kampanie CRM,

• pracą nad rozwiązaniami z obszaru hiperpersonalizacji, GenAI oraz R&D,

• współpracą z zespołami biznesowymi, marketingiem, sprzedażą i IT,

• rozwijaniem standardów MLOps i automatyzacji cyklu życia modeli,

• udziałem w tworzeniu standardów modelowania, walidacji i governance.