Machine Learning Specialist
⚲ Gliwice
Do uzgodnienia
Wymagania
- wykształcenie wyższe w IT, matematyce lub inżynierii
- min. 5 lat doświadczenia w komercyjnym rozwoju projektów ML (eksperymenty, wdrożenie produkcyjne, utrzymanie)
- min. 1 rok doświadczenia w systemach Computer Vision (CNN, DNN)
- znajomość praktyk MLOps
- zaawansowana znajomość Pythona (Pandas, sklearn, NumPy), SQL i NoSQL
- doświadczenie z chmurą (AWS, Azure, GCP) i konteneryzacją (Docker, Kubernetes)
- doświadczenie z Jira, Confluence, GIT
- angielski wystarczający do codziennej komunikacji w zespole międzynarodowym
Opis stanowiska
Rola Machine Learning Engineera w zespole R&D DTiQ, rozwijającym rozwiązania AI do analizy obrazu wykorzystywane w realnych środowiskach biznesowych na całym świecie. Będziesz projektować, implementować i testować algorytmy wykorzystujące wyniki modeli AI, trenować i ewaluować modele CV (ReID, detekcja obiektów, segmentacja) oraz optymalizować je pod kątem szybkości i dokładności. To oferta dla doświadczonego inżyniera ML z min. 5-letnim stażem komercyjnym i rocznym doświadczeniem w Computer Vision. Uwaga: rola zakłada ciągłe iteracje i optymalizacje systemów CV — warto dopytać o stabilność priorytetów i zakres zmian.
🔍 Dekoder Ogłoszenia
🟡
developing innovative AI-driven solutions
Może oznaczać zarówno przełomowe badania, jak i wdrażanie istniejących rozwiązań w nowych kontekstach.
🔴
continuous improvement of Computer Vision systems
Może sugerować ciągłe iteracje i optymalizacje, ale też potencjalnie brak stabilności lub ciągłe zmiany w systemach.
🟡
used in real business environments worldwide
Wskazuje na praktyczne zastosowania, ale może też oznaczać presję na wyniki i rozwiązywanie problemów biznesowych, a nie tylko badawczych.
🟡
Design, implement, and test algorithms using AI model outputs for business metrics
Podkreśla znaczenie przełożenia wyników modeli AI na konkretne cele biznesowe, co może oznaczać większy nacisk na analizę biznesową niż czysto techniczną.
🟡
Process optimization (algorithms and AI models) for improved speed and accuracy
Może oznaczać, że głównym celem jest optymalizacja istniejących rozwiązań, a nie tworzenie od podstaw nowych, przełomowych algorytmów.