Machine Learning Engineer (R&D)
⚲ Plewiska (pow. poznański)
Do uzgodnienia
Wymagania
- wykształcenie wyższe w obszarze informatyki, matematyki, statystyki, data science lub kierunków pokrewnych
- min. 2–3 lata doświadczenia w projektowaniu i wdrażaniu rozwiązań Machine Learning
- doświadczenie w przygotowywaniu danych, trenowaniu, walidacji i wdrażaniu modeli ML
- znajomość zagadnień monitorowania modeli oraz procesu wdrażania rozwiązań do środowisk produkcyjnych
- umiejętność prowadzenia analiz danych i przekładania wyników na rekomendacje biznesowe
- komunikatywna znajomość języka angielskiego
- umiejętność pracy zespołowej, analitycznego myślenia i efektywnej komunikacji
Opis stanowiska
Arvato szuka inżyniera ML do zespołu R&D, gdzie praca obejmuje projektowanie, rozwój i optymalizację modeli oraz rozwiązań AI, analizę danych i przekładanie wyników na rekomendacje biznesowe. Warto zwrócić uwagę, że w opisie mocno akcentowane jest prototypowanie (Proof of Concept) i eksperymentowanie — zakres może być szerszy i bardziej badawczy niż typowe wdrożenie produkcyjne, a wymóg '2–3 lata doświadczenia' może obejmować zarówno budowę rozwiązań od podstaw, jak i pracę z gotowymi narzędziami ML. To dobra oferta dla osoby wszechstronnej, która lubi łączyć analizę danych, eksperymenty i współpracę z biznesem, a niekoniecznie dla kogoś nastawionego wyłącznie na utrzymanie stabilnych modeli produkcyjnych.
🔍 Dekoder Ogłoszenia
🔴
Minimum 2-3 lata doświadczenia w projektowaniu i wdrażaniu rozwiązań Machine Learning.
Może oznaczać zarówno doświadczenie w tworzeniu od podstaw, jak i w prostym dostosowywaniu istniejących rozwiązań, a nawet tylko pracę z gotowymi narzędziami ML.
🔴
Tworzenie oraz weryfikacja prototypowych rozwiązań (Proof of Concept) w obszarze Machine Learning i Data Analytics.
Duży nacisk może być położony na eksperymentowanie i prototypowanie, a niekoniecznie na produkcyjne wdrożenia gotowych, stabilnych rozwiązań.
🔴
Współpraca z zespołami R&D, IT i biznesem przy identyfikacji oraz realizacji inicjatyw wykorzystujących AI i analizę danych.
Może oznaczać zarówno strategiczne planowanie i doradztwo, jak i po prostu zbieranie wymagań i przekazywanie ich dalej.
🔴
Projektowanie, rozwój i optymalizacja modeli uczenia maszynowego oraz rozwiązań opartych o sztuczną inteligencję.
Zakres obowiązków może być bardzo szeroki, od badań teoretycznych po implementację, co może wymagać od kandydata wszechstronności ponad standardowe oczekiwania.
🔴
Znajomość zagadnień związanych z monitorowaniem modeli oraz procesem wdrażania rozwiązań do środowisk produkcyjnych.
Może oznaczać zarówno głębokie zrozumienie MLOps, jak i podstawową wiedzę o tym, jak modele są wdrażane i monitorowane przez innych.