Machine Learning Engineer

Szukamy doświadczonej osoby, która dołączy do projektu z obszaru Machine Learning i modelowania predykcyjnego. Rola skupia się na budowie, wdrażaniu i rozwijaniu modeli wspierających procesy CRM, marketing, sprzedaż i kampanie.

Projekt realizowany jest w dużej organizacji z sektora finansowego, pracującej na dużych wolumenach danych i rozwijającej rozwiązania ML w środowisku Google Cloud Platform.

Tryb pracy: hybrydowy – 2 dni w tygodniu z biura w Warszawie

Język projektu: polski

Wymaganiaminimum 5 lat doświadczenia w modelowaniu predykcyjnym, dużym plusem będzie doświadczenie w sektorze bankowym, doświadczenie z modelami wspierającymi procesy CRM – marketing, sprzedaż lub kampanie, praktyczna znajomość Google Cloud Platform (GCP), w szczególności BigQuery, Vertex AI / AI Notebooks, Dataproc, Airflow i Dataflow, doświadczenie z dobrymi praktykami MLOps oraz CI/CD dla modeli ML, bardzo dobra znajomość Pythona i narzędzi do analizy danych, doświadczenie ze Spark/PySpark i rozproszonym przetwarzaniem danych, bardzo dobra znajomość SQL, mile widziane doświadczenie z BigQuery, doświadczenie w pracy z bardzo dużymi zbiorami danych, doświadczenie z rozwiązaniami przetwarzającymi dane w czasie zbliżonym do rzeczywistego, wykształcenie wyższe na kierunku ilościowym, technicznym lub pokrewnym.

Mile widzianedoświadczenie w budowie i wdrażaniu rozwiązań GenAI/LLM, znajomość PyTorch, znajomość MLflow, doświadczenie ze Streamlit.

Czym będziesz się zajmować?budową i rozwojem modeli NLP, w tym deep learning, transformerów i LLM, projektowaniem modeli ML/AI – m.in. klasyfikacyjnych i regresyjnych – od prototypu do produkcji, utrzymaniem, monitoringiem i ewaluacją modeli w całym ich cyklu życia, identyfikacją zdarzeń o wysokiej wartości predykcyjnej w danych klientów, rozwojem i optymalizacją pipeline’ów danych i ML z wykorzystaniem m.in. Airflow i Dataflow, rozwojem rozwiązań wspierających dystrybucję leadów i kampanie CRM, pracą nad rozwiązaniami z obszaru hiperpersonalizacji, GenAI oraz R& D, współpracą z zespołami biznesowymi, marketingiem, sprzedażą i IT, rozwijaniem standardów MLOps i automatyzacji cyklu życia modeli, udziałem w tworzeniu standardów modelowania, walidacji i governance.