Mid Machine Learning Engineer · AI / Computer Vision
⚲ Wrocław
15 000 - 22 000 PLN netto (B2B)
Wymagania
- 3-5 lat komercyjnego doświadczenia w budowaniu systemów ML
- Doświadczenie w rozwijaniu modeli deep learningowych w PyTorch
- Bardzo dobre umiejętności inżynierii w Pythonie (czysty, testowalny kod, algorytmy i struktury danych, debugowanie, projektowanie bibliotek i API)
- Znajomość fundamentów ML: supervised/unsupervised/self-supervised learning, optymalizacja, probabilistyka, statystyka, algebra liniowa, walidacja modeli
- Zrozumienie pełnego cyklu życia ML i praktycznych wyzwań wdrożenia modeli do produkcji
Opis stanowiska
Surveily to start-up rozwijający systemy computer vision do monitorowania bezpieczeństwa pracy w trudnych warunkach przemysłowych. Jako Mid ML Engineer będziesz pracować nad funkcjami CV przez cały cykl życia ML — od przygotowania danych, przez trening i ewaluację, po wdrożenie i monitoring. Zespół buduje generalistów end-to-end, więc będziesz angażować się tam, gdzie jest największe wąskie gardło: dane, modelowanie, software engineering, deployment lub integracja produktowa. Uwaga: duża część pracy to budowanie reużywalnego toolingu i usprawnianie workflowów deweloperskich, co może oznaczać mniej czasu na bezpośredni rozwój modeli, niż sugeruje tytuł.
🔍 Dekoder Ogłoszenia
🔴
We're building a team of end-to-end ML engineers rather than specialists.
Oczekuje się, że będziesz wykonywać szeroki zakres zadań, od analizy danych po wdrażanie modeli, a nie tylko skupiać się na jednej specjalizacji.
🔴
That means you'll be expected to contribute wherever the biggest bottleneck is: data, modeling, software engineering, deployment, or product integration.
Twoje obowiązki będą elastyczne i mogą obejmować rozwiązywanie problemów w różnych obszarach, nawet jeśli nie są one bezpośrednio związane z Twoją główną specjalizacją.
🔴
A significant part of your work will involve building reusable tooling, improving developer workflows, and writing production-quality code that enables the entire team to move faster.
Duża część pracy będzie polegać na tworzeniu narzędzi i usprawnianiu procesów, co może oznaczać mniej czasu poświęconego bezpośrednio na rozwój modeli ML.
🟡
Design and deliver production-ready computer vision features from concept to deployment.
Oczekuje się, że będziesz odpowiedzialny za cały cykl życia funkcji, od pomysłu po wdrożenie w środowisku produkcyjnym.
🟡
Translate product and business requirements into practical machine learning solutions.
Będziesz musiał rozumieć potrzeby biznesowe i przekładać je na konkretne rozwiązania techniczne z wykorzystaniem uczenia maszynowego.