Mid Machine Learning Engineer | Surveily AI | WROCŁAW
⚲ Wrocław
15 000 - 22 000 PLN netto (B2B)
Wymagania
- 3–5 lat komercyjnego doświadczenia w budowaniu systemów uczenia maszynowego
- solidne podstawy ML: uczenie nadzorowane, nienadzorowane i self-supervised, optymalizacja, probabilistyka i statystyka, algebra liniowa, ewaluacja modeli
- doświadczenie w tworzeniu modeli deep learning w PyTorch
- mocne umiejętności inżynierskie w Pythonie (czysty, testowalny kod, algorytmy i struktury danych, debugowanie, projektowanie bibliotek)
- zrozumienie pełnego cyklu życia ML i praktycznych wyzwań związanych z wdrożeniem modeli na produkcję
Opis stanowiska
Praca w start-upie Surveily nad funkcjami computer vision do monitorowania bezpieczeństwa w trudnych warunkach przemysłowych. Zajmiesz się pełnym cyklem życia ML — od zbierania i anotacji danych, przez trenowanie modeli w PyTorch, po wdrożenie i monitorowanie na produkcji. Uwaga: zespół buduje 'end-to-end ML engineerów', więc realnie będziesz wskakiwać tam, gdzie jest wąskie gardło — dane, modelowanie, software engineering, deployment czy integracja z produktem — nawet jeśli to nie Twoja główna specjalizacja. Dobra dla osoby, która lubi szeroki zakres i nie chce zamykać się w jednej roli.
🔍 Dekoder Ogłoszenia
🔴
We're building a team of end-to-end ML engineers rather than specialists.
Oczekuje się, że będziesz wykonywać zadania z różnych obszarów ML, 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 dowolnym etapie cyklu życia ML, nawet jeśli nie jest to Twoja główna specjalizacja.
🟡
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 wewnętrznych i usprawnianiu procesów, co może odciągać od bezpośredniego tworzenia modeli ML.
🟢
Design and deliver production-ready computer vision features from concept to deployment.
Będziesz odpowiedzialny za cały proces tworzenia funkcji wizji komputerowej, od pomysłu po wdrożenie produkcyjne.
🟢
Translate product and business requirements into practical machine learning solutions.
Twoim zadaniem będzie przekładanie potrzeb biznesowych na konkretne rozwiązania oparte na uczeniu maszynowym.