Must have

• Python

• Machine learning

• Git

• English (B1)

Nice to have

• NLP

• Computer vision

• PyTorch

• TensorFlow

Requirements description

Original text.  Show translation

• wykształcenie wyższe, preferowane kierunki:  informatyka,  inżynieria komputerowa, elektronika, matematyka stosowana lub pokrewne
• mile widziane 1-2 lata doświadczenia w obszarze uczenia maszynowego lub głębokiego uczenia ( preferencyjnie w obszarze wizji komputerowej i/lub NLP)
• znajomość Python oraz  frameworków PyTorch lub TensorFlow
• zrozumienie podstawowych koncepcji uczenia nadzorowanego, ewaluacji modeli oraz kluczowych pojęć ML (np. overfitting, uogólnianie, optymalizacja)
• zainteresowanie pracą z danymi (od wstępnego przetwarzania po etykietowanie i walidację)
• zdolność szybkiego uczenia się nowych narzędzi i technik oraz metodyczne podejście do powierzonych zadań
• znajomość środowiska Linux, systemu kontroli wersji Git oraz środowisk konteneryzowanych (np. Docker)
• znajomości języka angielskiego na poziomie minimum B1

Offer description

Original text.  Show translation

Oferujemy Tobie:

• naukowo-badawcze środowisko pracy, pełne wyzwań i zmian
• wspieranie rozwoju poprzez dofinansowanie studiów, szkoleń, konferencji itp.
• możliwość odbywania staży naukowych (w Polsce i za granicą)
• wspieranie działalności publikacyjnej
• możliwość realizacji doktoratów wdrożeniowych
• zatrudnienie w ramach umowy o pracę
• elastyczne godziny pracy (zaczynamy między godz. 6.00 a 9.00) w modelu hybrydowym
• pakiet benefitów obejmujący: prywatną opiekę medyczną PZU Zdrowie, preferencyjne warunki ubezpieczenia na życie PZU, dofinansowanie działalności rekreacyjnej, dostęp do platformy kafeteryjnej Worksmile
• naukę języków obcych
• świadczenia pieniężne z ZFŚS

Your responsibilities

Original text.  Show translation

1. wspieranie w projektowaniu, trenowaniu i wdrażaniu modeli uczenia maszynowego oraz głębokiego uczenia do zadań wizji komputerowej (detekcja, segmentacja, śledzenie) i/lub NLP/LLM (klasyfikacja, ekstrakcja informacji, RAG, projektowanie promptów, fine-tuning)
2. udział w tworzeniu i utrzymaniu pipeline’ów danych (pozyskiwanie, czyszczenie, etykietowanie, walidacja oraz organizacja zbiorów danych)
3. współudział w ocenie modeli i eksperymentach (analiza wyników, monitorowanie metryk wydajności oraz przygotowywanie raportów we wsparciu członków zespołu)
4. wsparcie w rozwoju replikowalnych workflowów ML, zapewniających efektywne trenowanie, testowanie i wdrażanie modeli
5. współpraca z zespołami badawczymi i inżynierskimi (udział w przygotowywaniu dokumentacji, podsumowań eksperymentów oraz notatek technicznych)