Inżynier Machine learning / MLOPS
⚲ Warszawa
Do uzgodnienia
Wymagania
- wieloletnie doświadczenie w budowie modeli predykcyjnych, najlepiej w sektorze bankowym, finansowym lub innym środowisku regulowanym
- praktyczne doświadczenie z modelami wspierającymi CRM, sprzedaż, marketing, kampanie, lead scoring, churn, cross-sell lub customer analytics
- praktyczne doświadczenie z Google Cloud Platform (BigQuery, Vertex AI, Dataproc, Dataflow, Airflow/Cloud Composer lub MLflow)
- doświadczenie w przetwarzaniu dużych zbiorów danych z wykorzystaniem Spark/PySpark
- doświadczenie w budowie, wdrażaniu i utrzymaniu modeli w środowisku produkcyjnym
- znajomość dobrych praktyk MLOps: automatyzacja pipeline'ów, wersjonowanie, CI/CD, monitoring i retraining
- umiejętność współpracy z biznesem i przekładania potrzeb marketingowych i sprzedażowych na rozwiązania analityczne
- wykształcenie wyższe na kierunku technicznym, matematycznym, informatycznym, ekonomicznym lub pokrewnym
Opis stanowiska
Projekt w dużej organizacji z sektora finansowego, gdzie modele predykcyjne wspierają CRM, sprzedaż, marketing i kampanie (lead scoring, next best offer, churn, cross-sell). Będziesz projektować, wdrażać i utrzymywać modele ML oraz rozwijać pipeline'y danych i modeli na Google Cloud Platform, z naciskiem na produkcyjny cykl życia i standardy MLOps. Twoja praca ma bezpośredni wpływ na wyniki biznesowe (dopasowanie ofert, dystrybucja leadów, hiperpersonalizacja), co wiąże się z presją na osiąganie mierzalnych celów.
🔍 Dekoder Ogłoszenia
🟡
zaawansowane modele predykcyjne
Może oznaczać zarówno innowacyjne rozwiązania, jak i standardowe modele, które po prostu działają w złożonym środowisku.
🔴
praktyczna znajomość produkcyjnego cyklu życia modeli i standardów MLOps
Oznacza, że będziesz odpowiedzialny za utrzymanie modeli w produkcji, a nie tylko za ich tworzenie.
🔴
bezpośredni wpływ na dopasowanie ofert, dystrybucję leadów kampanijnych, hiperpersonalizację komunikacji oraz doświadczenia klientów
Twoja praca będzie miała mierzalny wpływ na wyniki biznesowe, co może oznaczać presję na osiąganie konkretnych celów.
🟡
Identyfikacja zdarzeń i zachowań klientów o wysokiej wartości predykcyjnej
Oznacza, że będziesz musiał analizować dane w celu znalezienia wzorców, które można wykorzystać do przewidywania przyszłych działań klientów.
🟡
Optymalizacja silników decyzyjnych wspierających dystrybucję leadów
Będziesz pracować nad systemami, które decydują, do kogo trafią potencjalni klienci, co wymaga zrozumienia logiki biznesowej i jej przełożenia na modele.