Machine Learning Integrations Engineer
⚲ Kraków
20 000 - 27 000 PLN (B2B)
Wymagania
- 3+ lata doświadczenia w full-stack development z udokumentowanym wdrożeniem ML do systemów produkcyjnych
- praktyczne doświadczenie w serwowaniu modeli w produkcji (serializacja, frameworki servingowe, optymalizacja inferencji)
- biegłość w TypeScript i Python
- doświadczenie z architekturą mikroserwisów, brokerami wiadomości (Kafka) i frameworkami async
- solidna znajomość React (hooks, context, state management)
- głębokie zrozumienie REST, OpenAPI/Swagger oraz wersjonowania API i kompatybilności wstecznej
- doświadczenie z Dockerem i orkiestracją
- zaawansowana znajomość języka angielskiego (B2+) w mowie i piśmie
Opis stanowiska
Rola Machine Learning Integrations Engineer w OneRail Poland, gdzie będziesz integrować modele ML z flagowym produktem firmy logistycznej. Twoje zadania obejmą wdrażanie i utrzymanie modeli (PyTorch, scikit-learn) jako endpointów usługowych, rozwijanie API REST oraz budowę mikroserwisów w Pythonie lub Node.js. To oferta dla full-stack developera z doświadczeniem w produkcjonowaniu ML, który nie boi się pracy nad front-endem w React. Uwaga: poszukiwane jest konkretne, udokumentowane doświadczenie w przenoszeniu modeli ML do środowiska produkcyjnego, a nie tylko wiedza teoretyczna.
🔍 Dekoder Ogłoszenia
🔴
implementing, deploying, and maintaining ML-powered features while contributing to back-end services and React-based front-end components
Oczekuje się, że będziesz nie tylko integrować modele ML, ale także aktywnie pracować nad rozwojem całego produktu, w tym front-endem i back-endem.
🟡
Not sure if you have enough experience to meet the challenge, but still willing to learn and join our team? Send us your application and we will be happy to talk about the possibilities.
Jeśli nie spełniasz wszystkich wymagań, nadal możesz aplikować, ale przygotuj się na rozmowę, która może ujawnić braki w doświadczeniu.
🔴
contribute to back-end services and React-based front-end components
Rola nie ogranicza się do ML, ale wymaga również pracy nad ogólnym rozwojem oprogramowania, co może oznaczać mniej czasu na czyste zadania ML.
🔴
clear track record of integrating ML into production systems
Poszukiwane jest konkretne, udokumentowane doświadczenie w przenoszeniu modeli ML do środowiska produkcyjnego, a nie tylko teoretyczna wiedza.
🟡
flexible hybrid work style and flexible employment types
Elastyczność może oznaczać różne modele pracy, od pełnego zdalnego po hybrydowy, a także różne formy zatrudnienia, co wymaga doprecyzowania.