Machine Learning Engineer

B2Bnetwork Show all offers

Warszawa

15 days ago

In short

Machine Learning Engineer role in Warsaw (hybrid). Focus on ML models for CRM, marketing, sales using GCP. Requires 5+ years of predictive modeling, Python, SQL, Spark, MLOps, CI/CD. Experience in banking & GenAI is a plus.

Keywords

Machine Learning Predictive Modeling Google Cloud Platform Python SQL Spark MLOps CI/CD NLP GenAI

AI-written summary based on the listing content.

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.