Machine Learning Engineer
⚲ Wrocław, Warszawa, Poznań, Gdańsk, Kraków
15 000 - 20 000 PLN netto (B2B)
Wymagania
- Dobra znajomość uczenia maszynowego i nowoczesnych architektur sieci neuronowych
- Doświadczenie w trenowaniu, dostrajaniu lub wdrażaniu modeli ML
- Umiejętność pisania czystego kodu produkcyjnego
- Gotowość do pracy nad niejednoznacznymi problemami przy wsparciu zespołu
Opis stanowiska
Firma buduje asystenta AI do codziennych zadań, planowania i pracy, który ma działać niezawodnie mimo nieprzewidywalności odpowiedzi modeli. Jako Machine Learning Engineer będziesz rozwijać komponenty ML: przetwarzanie danych, trening, ewaluację i inferencję, dostrajać modele produkcyjnie oraz budować pipeline'y danych. Uwaga: z opisu wynika, że od pierwszego dnia wejdziesz na działające systemy produkcyjne, a spora część pracy to diagnozowanie i naprawianie problemów modeli oraz incydentów produkcyjnych — to rola dla kogoś, kto lubi utrzymanie i debugowanie, a nie tylko badania.
🔍 Dekoder Ogłoszenia
🔴
From your first day, you will work on production systems and learn how machine learning performs in real applications, not only in research.
Oczekuje się, że od razu będziesz pracować nad działającymi systemami, a nie tylko nad eksperymentami badawczymi.
🔴
This role is a good fit for engineers who want to improve their skills by building, testing, fixing, and improving machine learning systems used by real users.
Może oznaczać, że będziesz głównie zajmować się utrzymaniem i naprawianiem istniejących systemów, a nie tworzeniem od podstaw innowacyjnych rozwiązań.
🔴
Find and solve model issues, performance problems,
Duży nacisk może być położony na rozwiązywanie problemów i debugowanie, co może pochłaniać znaczną część czasu.
🟡
It is easy to use and requires very little input from users.
Może sugerować, że produkt jest w początkowej fazie rozwoju i wymaga jeszcze dopracowania pod kątem interfejsu i funkcjonalności.
🟢
Our goal is to help users finish daily tasks faster while making the experience simple and enjoyable.
Podkreśla nacisk na praktyczne zastosowanie i użyteczność produktu, co jest pozytywne, ale może też oznaczać, że nie jest to projekt o czysto badawczym charakterze.