Machine Learning Engineer z językiem niemieckim

Wymagania: - KOMPETENCJE BIZNESOWE: - Masz co najmniej 3 lata doświadczenia w pracy z uczeniem maszynowym w środowisku projektowym lub produktowym - Znasz język niemiecki i angielski na poziomie pozwalającym na swobodną pracę projektową (B2+) - Masz doświadczenie we wdrażaniu rozwiązań do środowiska produkcyjnego, a nie tylko w budowie modeli lub analizach eksperymenta - Rozumiesz, jak pracować z klientem i zespołem projektowym, tak aby rozwiązanie techniczne odpowiadało na realną potrzebę biznesową - Masz doświadczenie w pracy w środowisku enterprise - Dobrze odnajdujesz się w pracy zespołowej i w podejściu zwinnym (Scrum/Kanban) - Jesteś gotowy/-a do wyjazdów do klienta - KOMPETENCJE TECHNICZNE: - Bardzo dobrze znasz Python - Pracujesz z bibliotekami takimi jak scikit-learn, PyTorch lub TensorFlow - Masz doświadczenie w przygotowaniu procesów do trenowania, testowania i wdrażania modeli - Znasz narzędzia i praktyki związane z MLOps, w tym automatyzację, wersjonowanie, monitoring i utrzymanie modeli - Masz doświadczenie z konteneryzacją i wdrażaniem aplikacji lub usług - Znasz dobre praktyki programistyczne: czytelny kod, testy, praca z repozytorium, przeglądy kodu - Rozumiesz podstawy architektury systemów - Posiadasz wykształcenie techniczne Mile widziane: - Doświadczenie w projektach dla sektora publicznego, idealnie w obszarze ubezpieczeń zdrowotnych lub ubezpieczeń socjalnych - Znajomość rozwiązań chmurowych i narzędzi takich jak MLflow, Airflow, Docker, Kubernetes, FastAPI, ollama O firmie: - Convista jest jedną z wiodących firm consultingowych w zakresie transformacji. Wspieramy naszych klientów w projektowaniu i wdrażaniu procesów biznesowych oraz tworzymy rozwiązania end-to-end w obszarach SAP i IT. - Czerpiąc z naszego doświadczenia, wspólnie z naszymi klientami stawiamy czoła złożonym wyzwaniom. W realizowanych projektach łączymy branżowe know-how z pasją do technologii. Zakres obowiązków: - Odpowiadasz za rozwój rozwiązań ML od koncepcji do wdrożenia (end-to-end) - Projektujesz, budujesz i rozwijasz modele AI/ML oraz integrujesz je z aplikacjami i systemami przez API (także w realnych procesach biznesowych) - Tworzysz kompletne pipeline’y ML (od danych i feature engineeringu, przez trening i walidację, po wdrożenie na produkcję) - Rozwijasz MLOps: zarządzanie cyklem życia modeli, automatyzację, wersjonowanie, powtarzalność i standardy pracy - Pracujesz w środowiskach produkcyjnych i regulowanych, gdzie kluczowe są bezpieczeństwo, ochrona danych i zgodność z regulacjami - Ściśle współpracujesz z developerami, architektami i biznesem, dbając o integrację AI z istniejącymi systemami - Masz kontakt z klientem i wpływ na to, jak AI przekłada się na realną wartość biznesową Oferujemy: - Nasi klienci z obszaru ochrony zdrowia i sektora publicznego działają w środowiskach, w których skala danych i złożoność procesów są bardzo duże. Dobrze zaprojektowane rozwiązania ML/AI pomagają ograniczać nakład pracy związany z analizą i obsługą danych, przyspieszają podejmowanie decyzji i otwierają drogę do nowych usług cyfrowych dla ubezpieczonych i obywateli. To realna szansa na usprawnienie pracy z dużymi wolumenami danych, automatyzację czasochłonnych procesów i lepsze wykorzystanie informacji w codziennej działalności. - W Convista pomagamy klientom tworzyć rozwiązania AI/ML, które są bezpieczne, użyteczne i możliwe do skutecznego wdrożenia w praktyce. Zależy nam na jakości technicznej, zgodności z regulacjami oraz na maksymalizacji wartości, jaką nasze rozwiązania przynoszą w rzeczywistych zastosowaniach. - Na tym stanowisku będziesz pracować blisko klienta, danych i konkretnych problemów biznesowych. To rola dla osoby, która chce łączyć uczenie maszynowe z inżynierią oprogramowania, integracją nowych rozwiązań z instniejącymi systemami oraz z konkretnymi procesami biznesowymi. - Dodatkowo masz realny wpływ na rozwój obszaru AI i Machine Learning oraz na to, jak w Convista budujemy i wdrażamy tego typu rozwiązania: od pracy nad modelami, przez wdrożenia, automatyzację i monitoring, po wypracowywanie dobrych praktyk związanych z rozwojem i skalowaniem rozwiązań działających w środowiskach produkcyjnych.