Machine Learning Engineer
⚲ Kraków
23 520 - 31 080 PLN netto (B2B)
Wymagania
- 5+ lat praktycznego doświadczenia w machine learning engineering
- bardzo dobra umiejętność pisania wysokiej jakości kodu w Pythonie
- doświadczenie z narzędziami orkiestracji, takimi jak Airflow
- znajomość Spark lub innych narzędzi do rozproszonego przetwarzania danych
- doświadczenie z ekosystemem Kubernetes w roli użytkownika
- zaawansowana znajomość Azure i Dockera
- umiejętność współpracy w zespole inżynierskim
Opis stanowiska
Będziesz budować produkcyjne pipeline'y ML dla zespołu pricingowego dużego brytyjskiego retailera — od przygotowania danych, przez wdrożenie, po monitoring modeli w produkcji. Praca w środowisku hybrydowym (on-prem + Azure), z zespołem 5-7 osób w Polsce, we współpracy z data scientistami klienta. Wyzwanie polega na tworzeniu rozwiązań wielokrotnego użytku dla różnych domen biznesowych przy zachowaniu szybkich iteracji.
🔍 Dekoder Ogłoszenia
🟢
craft clean code and practical solutions with precision and purpose
Firma kładzie nacisk na jakość kodu i praktyczne rozwiązania, co może oznaczać rygorystyczne standardy kodowania i procesy code review.
🟡
foster a dynamic culture rooted in strong engineering, a sense of ownership, and transparency
Oczekuje się proaktywności i odpowiedzialności za powierzone zadania, co może wiązać się z większą autonomią, ale też z koniecznością samodzielnego rozwiązywania problemów.
🟢
empowering professionals to make a substantial impact in the software industry
Może oznaczać możliwość pracy nad innowacyjnymi projektami, ale też presję na osiąganie wymiernych rezultatów i widocznych sukcesów.
🟡
Driving business innovation with production-ready machine learning pipelines
Praca skupia się na praktycznym wdrażaniu modeli ML do produkcji, co wymaga nie tylko umiejętności algorytmicznych, ale też inżynierskich i DevOps.
🟡
Implementing the end-to-end Machine Learning Lifecycle, starting from data preparation through automated deployment to continuous monitoring of data and models in production
Zakres obowiązków jest szeroki i obejmuje cały cykl życia modelu ML, co wymaga wszechstronnych umiejętności od przygotowania danych po utrzymanie w produkcji.