Перейти до вмісту
RITS

Machine Learning Engineer / MLOps

155 PLN / годину
Warszawa
15 днів тому

Коротко

Machine Learning Engineer / MLOps (mid/senior) w Warszawie. Projektowanie, rozwój modeli ML/AI (NLP, deep learning, LLM) i MLOps. Wymagane doświadczenie z GCP, Pythona, MLflow. Praca hybrydowa, kontrakt B2B. Stawki: 155-175 zł/h.

Стислий виклад підготував ШІ на основі тексту оголошення.

Machine Learning Engineer / MLOps (mid/senior)RITS Group to firma informatyczna, która oferuje najwyższej jakości usługi programistyczne zarówno dla rynku polskiego, jak i międzynarodowego. Jesteśmy dumni, że należymy do grona najszybciej rozwijających się spółek technologicznych. Naszym priorytetem jest jakość oraz innowacyjność dostarczanych rozwiązań, a nasza kultura organizacyjna opiera się na zaufaniu, współpracy i ciągłym doskonaleniu.

Oferujemy

Miejsce świadczenia usług: Warszawa – 2 dni w tygodniu w biurze

Forma współpracy: kontrakt B2BStawka:

Mid: do 155 zł/h netto

Senior: do 175 zł/h netto O projekcie

Poszukujemy Eksperta ds. Modelowania Predykcyjnego, który dołączy do zespołu realizującego zaawansowane projekty analityczne i AI w środowisku bankowym.

Będziesz odpowiadać za projektowanie, rozwój i utrzymanie zaawansowanych modeli predykcyjnych wspierających procesy CRM, marketingu i sprzedaży. Twoje rozwiązania będą miały bezpośredni wpływ na wyniki sprzedażowe oraz doświadczenia klientów banku.

Pracujemy na bardzo dużych zbiorach danych, wykorzystując nowoczesne technologie chmurowe, rozwiązania Machine Learning, NLP, GenAI i LLM, a także standardy MLOps i Model Lifecycle Management. Obowiązki

Budowa i rozwój modeli NLP, w tym modeli deep learning, transformerów oraz Large Language Models (LLM) z wykorzystaniem PyTorch.

Projektowanie i implementacja modeli ML/AI dla problemów klasyfikacyjnych, regresyjnych, analiz przestrzennych GEO oraz sieci społecznych – od etapu prototypowania po wdrożenie produkcyjne.

Utrzymanie, monitorowanie i ewaluacja modeli w czasie, w ramach Model Lifecycle Management i „fabryki modeli”.

Identyfikacja oraz detekcja zdarzeń o wysokiej wartości predykcyjnej w danych klientów.

Rozwój i optymalizacja przepływów danych oraz pipeline’ów ML z wykorzystaniem m.in. Airflow i DataFlow.

Optymalizacja silników decyzyjnych wspierających dystrybucję leadów kampanijnych w systemach CRM.

Udział w inicjatywach innowacyjnych, szczególnie w obszarze hiperpersonalizacji, GenAI oraz eksperymentów R& D.

Współpraca z zespołami biznesowymi – m.in. marketingiem i sprzedażą – oraz zespołami IT w celu wdrażania i skalowania rozwiązań.

Rozwój i stosowanie standardów MLOps, automatyzacji oraz zarządzania cyklem życia modeli.

Udział w tworzeniu standardów modelowania, walidacji oraz model governance w środowisku regulowanym, jakim jest bankowość. Wymagania

Bardzo dobra znajomość procesu modelowania predykcyjnego, preferencyjnie w sektorze bankowym.

Doświadczenie w pracy z danymi i modelami wspierającymi procesy CRM, marketing, sprzedaż i kampanie.

Praktyczna znajomość środowiska Google Cloud Platform (GCP), w szczególności:

BigQuery, AI / Vertex AI Notebooks, MLflow, DataProc, Airflow, DataFlow.

Doświadczenie w pracy zgodnie z dobrymi praktykami MLOps, w tym CI/CD dla modeli ML.

Bardzo dobra znajomość Pythona oraz narzędzi do analizy danych.

Doświadczenie w przetwarzaniu danych w środowisku rozproszonym, w szczególności Spark / PySpark.

Bardzo dobra znajomość SQL, preferencyjnie BigQuery.

Doświadczenie w pracy z bardzo dużymi zbiorami danych oraz rozwiązaniami umożliwiającymi przetwarzanie danych w czasie zbliżonym do rzeczywistego.

Wykształcenie wyższe – preferowane kierunki ilościowe, techniczne lub pokrewne.

Mile widziane

Doświadczenie w budowie i wdrażaniu rozwiązań opartych o GenAI i LLM.

Znajomość narzędzi do budowy aplikacji analitycznych, np. Streamlit. Ta rola nie jest dla Ciebie, ale masz znajomego, który by się sprawdził? Poleć go i zgarnij nawet 5000 zł.

Referral Program: Talent from your network

Nie zwlekaj i zaaplikuj już teraz!1/9/2026/r/385

Опубліковано 2026-09-04
Діє до 2026-12-03
Джерело