Junior AI/ML Engineer (he/she)

Nasze wymagania: Podstawowa znajomość Machine Learning, NLP lub systemów rekomendacyjnych Znajomość jednego z języków: Python, Java lub C# (preferowany kontekst ML lub backend) Zrozumienie fundamentów architektury systemów IT (API, mikroserwisy, integracje) Podstawowa orientacja w jednej z platform chmurowych: Azure, AWS lub GCP Zainteresowanie obszarem MLOps Umiejętność pracy z Git Umiejętność analizy wymagań technicznych Gotowość do pracy z dokumentacją techniczną Otwartość na pracę zespołową i komunikację z różnymi interesariuszami Mile widziane: Pierwsze doświadczenie (staż, praktyki) w ML, data science, backendzie lub chmurze Certyfikaty chmurowe (Azure Fundamentals, AWS Cloud Practitioner, Google Associate Cloud Engineer) Znajomość Dockera, Kubernetes lub Airflow Podstawowa znajomość bezpieczeństwa informacji i RODO Umiejętność klarownego prezentowania wyników swojej pracy O projekcie: Poszukujemy osoby na stanowisko Junior AI / ML Engineer, która chce rozwijać się w kierunku projektowania i wdrażania rozwiązań AI w środowiskach enterprise. Szukamy kandydata z podstawową wiedzą z zakresu machine learningu oraz architektury systemów IT, który będzie wspierać senior architektów w budowie skalowalnych, bezpiecznych i nowoczesnych rozwiązań opartych o chmurę. Osoba na tym stanowisku będzie miała możliwość pracy przy projektach wykorzystujących AI/ML w dużej skali, współpracując z zespołami developerskimi, data science oraz biznesem. Zakres obowiązków: Wsparcie senior architektów w projektowaniu rozwiązań AI i ML w środowiskach chmurowych Tworzenie prostych komponentów, prototypów oraz Proof of Concept (POC) Współudział w projektowaniu architektury systemów (API, mikroserwisy, integracje) Analiza wymagań biznesowych i technicznych Identyfikacja oraz wstępna ocena ryzyk technologicznych Współpraca z developerami, analitykami danych i zespołami biznesowymi Monitorowanie jakości modeli ML i wsparcie w pracy z pipeline’ami danych Przygotowywanie dokumentacji technicznej Wsparcie w obszarze MLOps i wdrożeń modeli w środowiskach chmurowych