Pracuj.pl
Praca zdalna
Senior
Senior Machine Learning Engineer
⚲ Warszawa, Śródmieście
170–190 zł netto (+ VAT) / godz.
Wymagania
- Python
- Git
- Docker
- venv
- uv
- DuckDB
- Parquet
Opis stanowiska
Nasze wymagania:
10+ lat doświadczenia w obszarze Machine Learning / Data Science / Software Engineering z istotnym doświadczeniem ML.
Udokumentowane doświadczenie w realizacji złożonych projektów dotyczących szeregów czasowych.
Praktyczna znajomość problemów związanych z danymi o niskim SNR i umiejętność oceny, czy wynik modelu jest rzeczywiście wartościowy.
Bardzo dobra znajomość metod walidacji danych czasowych i świadome projektowanie splitów.
Umiejętność samodzielnego wykrywania data leakage, overfittingu oraz problemów z jakością eksperymentu.
Bardzo dobre podstawy statystyczne, w tym znajomość istotności i mocy statystycznej, multiple testing, przedziałów ufności oraz stacjonarności.
Praktyczna znajomość sieci neuronowych i umiejętność interpretacji ich zachowania podczas treningu i walidacji.
Podejście baseline-first – umiejętność szybkiego zweryfikowania hipotezy prostym modelem przed budową bardziej złożonego rozwiązania.
Bardzo dobra znajomość Pythona i dobrych praktyk programistycznych.
Doświadczenie z Git, Docker/venv/uv, DuckDB oraz Parquet.
Biegłość w korzystaniu z narzędzi AI/LLM przy jednoczesnej umiejętności krytycznej weryfikacji generowanych rozwiązań.
Samodzielność, pragmatyzm i umiejętność pracy w środowisku o płaskiej strukturze.
Polski – min. B2/C1, angielski – min. B2+/C1.
Mile widziane:
Doświadczenie w energetyce, w szczególności w obszarze RDN, TGE lub PSE.
Doświadczenie na rynkach finansowych lub kryptowalutowych.
Znajomość mechaniki giełd kryptowalutowych oraz różnic między rynkiem spot a instrumentami pochodnymi.
Doświadczenie z modelami foundation dla szeregów czasowych, np. Chronos lub TimesFM.
Lokalizacja w Warszawie lub okolicach.
O projekcie:
Dla naszego klienta z branży energetycznej i technologicznej poszukujemy Senior Machine Learning Engineera do zespołu R&D zajmującego się prognozowaniem szeregów czasowych.
Lokalizacja: praca zdalna z okazjonalnymi wizytami w biurze w Warszawie (preferowane raz na kwartał)
Start: ASAP
Projekt długoterminowy
Zakres obowiązków:
Prowadzenie samodzielnych eksperymentów ML na szeregach czasowych – od postawienia hipotezy po analizę i prezentację wyników.
Projektowanie i dobór metod modelowania, m.in. modeli klasycznych, gradient boosting, sieci neuronowych oraz modeli foundation dla szeregów czasowych.
Praca z danymi o niskim stosunku sygnału do szumu, m.in. z obszaru energetyki i rynków kryptowalut.
Projektowanie i weryfikacja poprawnych metod walidacji dla danych czasowych, w tym walk-forward, purging, embargo oraz dobór okien czasowych.
Identyfikowanie data leakage, overfittingu i niestabilności modeli.
Krytyczna ocena wyników eksperymentów i porównywanie ich z odpowiednimi baseline'ami.
Współtworzenie i rozwijanie standardów prowadzenia eksperymentów badawczych w zespole.
Wykorzystywanie narzędzi AI/LLM w procesie badawczym i programistycznym.
Współpraca koncepcyjna z doświadczonymi ekspertami ML oraz udział w dyskusjach technicznych.
Prezentowanie wyników i prowadzenie rozmów technicznych z klientami w języku angielskim.
Oferujemy:
100% praca zdalna z możliwością pracy z biura w Warszawie.
Pracę w zespole doświadczonych ekspertów ML i R&D.
Realny wpływ na standardy badawcze i kierunki rozwoju rozwiązań ML.
Dużą autonomię w prowadzeniu eksperymentów i doborze metod.
Płaską strukturę organizacyjną i merytoryczne podejście do podejmowania decyzji.
Pracę nad wymagającymi problemami z obszaru prognozowania szeregów czasowych, energetyki i rynków kryptowalut.
10+ lat doświadczenia w obszarze Machine Learning / Data Science / Software Engineering z istotnym doświadczeniem ML.
Udokumentowane doświadczenie w realizacji złożonych projektów dotyczących szeregów czasowych.
Praktyczna znajomość problemów związanych z danymi o niskim SNR i umiejętność oceny, czy wynik modelu jest rzeczywiście wartościowy.
Bardzo dobra znajomość metod walidacji danych czasowych i świadome projektowanie splitów.
Umiejętność samodzielnego wykrywania data leakage, overfittingu oraz problemów z jakością eksperymentu.
Bardzo dobre podstawy statystyczne, w tym znajomość istotności i mocy statystycznej, multiple testing, przedziałów ufności oraz stacjonarności.
Praktyczna znajomość sieci neuronowych i umiejętność interpretacji ich zachowania podczas treningu i walidacji.
Podejście baseline-first – umiejętność szybkiego zweryfikowania hipotezy prostym modelem przed budową bardziej złożonego rozwiązania.
Bardzo dobra znajomość Pythona i dobrych praktyk programistycznych.
Doświadczenie z Git, Docker/venv/uv, DuckDB oraz Parquet.
Biegłość w korzystaniu z narzędzi AI/LLM przy jednoczesnej umiejętności krytycznej weryfikacji generowanych rozwiązań.
Samodzielność, pragmatyzm i umiejętność pracy w środowisku o płaskiej strukturze.
Polski – min. B2/C1, angielski – min. B2+/C1.
Mile widziane:
Doświadczenie w energetyce, w szczególności w obszarze RDN, TGE lub PSE.
Doświadczenie na rynkach finansowych lub kryptowalutowych.
Znajomość mechaniki giełd kryptowalutowych oraz różnic między rynkiem spot a instrumentami pochodnymi.
Doświadczenie z modelami foundation dla szeregów czasowych, np. Chronos lub TimesFM.
Lokalizacja w Warszawie lub okolicach.
O projekcie:
Dla naszego klienta z branży energetycznej i technologicznej poszukujemy Senior Machine Learning Engineera do zespołu R&D zajmującego się prognozowaniem szeregów czasowych.
Lokalizacja: praca zdalna z okazjonalnymi wizytami w biurze w Warszawie (preferowane raz na kwartał)
Start: ASAP
Projekt długoterminowy
Zakres obowiązków:
Prowadzenie samodzielnych eksperymentów ML na szeregach czasowych – od postawienia hipotezy po analizę i prezentację wyników.
Projektowanie i dobór metod modelowania, m.in. modeli klasycznych, gradient boosting, sieci neuronowych oraz modeli foundation dla szeregów czasowych.
Praca z danymi o niskim stosunku sygnału do szumu, m.in. z obszaru energetyki i rynków kryptowalut.
Projektowanie i weryfikacja poprawnych metod walidacji dla danych czasowych, w tym walk-forward, purging, embargo oraz dobór okien czasowych.
Identyfikowanie data leakage, overfittingu i niestabilności modeli.
Krytyczna ocena wyników eksperymentów i porównywanie ich z odpowiednimi baseline'ami.
Współtworzenie i rozwijanie standardów prowadzenia eksperymentów badawczych w zespole.
Wykorzystywanie narzędzi AI/LLM w procesie badawczym i programistycznym.
Współpraca koncepcyjna z doświadczonymi ekspertami ML oraz udział w dyskusjach technicznych.
Prezentowanie wyników i prowadzenie rozmów technicznych z klientami w języku angielskim.
Oferujemy:
100% praca zdalna z możliwością pracy z biura w Warszawie.
Pracę w zespole doświadczonych ekspertów ML i R&D.
Realny wpływ na standardy badawcze i kierunki rozwoju rozwiązań ML.
Dużą autonomię w prowadzeniu eksperymentów i doborze metod.
Płaską strukturę organizacyjną i merytoryczne podejście do podejmowania decyzji.
Pracę nad wymagającymi problemami z obszaru prognozowania szeregów czasowych, energetyki i rynków kryptowalut.
🔍 Dekoder Ogłoszenia
🔴
10+ lat doświadczenia w obszarze Machine Learning / Data Science / Software Engineering z istotnym doświadczeniem ML.
Szukają kogoś z bardzo głęboką wiedzą i praktyką, prawdopodobnie na poziomie eksperta, który potrafi samodzielnie prowadzić projekty od początku do końca.
🔴
Praktyczna znajomość problemów związanych z danymi o niskim SNR i umiejętność oceny, czy wynik modelu jest rzeczywiście wartościowy.
Oczekują, że będziesz potrafił pracować z 'brudnymi' danymi i krytycznie oceniać, czy uzyskane wyniki mają realne zastosowanie biznesowe, a nie są tylko teoretycznymi osiągnięciami.
🔴
Umiejętność samodzielnego wykrywania data leakage, overfittingu oraz problemów z jakością eksperymentu.
Oczekują, że będziesz w stanie samodzielnie identyfikować i rozwiązywać typowe problemy w procesie tworzenia modeli ML, bez potrzeby ciągłego nadzoru.
🟡
Podejście baseline-first – umiejętność szybkiego zweryfikowania hipotezy prostym modelem przed budową bardziej złożonego rozwiązania.
Chcą, abyś był pragmatyczny i unikał nadmiernego komplikowania, zaczynając od prostych rozwiązań, zanim zainwestujesz czas w bardziej zaawansowane techniki.
🔴
Samodzielność, pragmatyzm i umiejętność pracy w środowisku o płaskiej strukturze.
Oznacza to, że będziesz musiał podejmować wiele decyzji samodzielnie, a hierarchia w firmie jest minimalna, co może wiązać się z większą odpowiedzialnością i mniejszą formalnością.