Ingénieur ML (Python, C++ ou C, CoreML) -(h/f)
emagine
To rola inżyniera ML w firmie outsourcingowej (emagine) pracującego nad rozwojem modeli AI dla aplikacji mapowych. Zakres obejmuje cały cykl ML: od pipeline'ów danych, przez trenowanie i ewaluację, po deployment i optymalizację inferencji. Konkretnie: ulepszanie modeli enkoderów, budowa klasyfikacji wieloklasowej dla atrybutów map, przenoszenie inferencji na C z CLI i frontendem, portowanie CoreML na MLX oraz implementacja curriculum learning. Praca stacjonarna 5 dni w tygodniu w La Défense, wymagany doskonały angielski.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano widełek wynagrodzenia, brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.).
To rola inżyniera ML w firmie outsourcingowej (emagine) pracującego nad rozwojem modeli AI dla aplikacji mapowych. Zakres obejmuje cały cykl ML: od pipeline'ów danych, przez trenowanie i ewaluację, po deployment i optymalizację inferencji. Konkretnie: ulepszanie modeli enkoderów, budowa klasyfikacji wieloklasowej dla atrybutów map, przenoszenie inferencji na C z CLI i frontendem, portowanie CoreML na MLX oraz implementacja curriculum learning. Praca stacjonarna 5 dni w tygodniu w La Défense, wymagany doskonały angielski.
- ✓Projekt związany z nowoczesnymi technikami ML (curriculum learning, autoregressive models)
- ✓Praca nad realnym produktem mapowym z dużym zbiorem danych
- ✓Możliwość pracy z CoreML i MLX – rzadkie i rozwojowe umiejętności
- −Brak widełek wynagrodzenia w ogłoszeniu
- −Praca stacjonarna 5 dni w tygodniu (La Défense)
- −Outsourcing – rola może oznaczać pracę u klienta z mniejszą autonomią
- !Wymóg biegłego angielskiego jako 'excellent' – może być bardzo rygorystyczny
- !Frontend/CLI w zakresie obowiązków – może odciągać od głównej pracy ML
- !Brak informacji o procesie rekrutacyjnym
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja pipeline'ów danych do trenowania modeli ML
- •Trenowanie i ewaluacja modeli enkoderów (np. Masked Autoencoders)
- •Portowanie pipeline'ów inferencji na dużą skalę do języka C
- •Budowa interfejsu CLI i frontendu do zarządzania zadaniami inferencyjnymi
- •Portowanie modeli CoreML na framework MLX (dla wielu OS)
- •Implementacja strategii curriculum learning – automatyczna klasyfikacja trudności zadań i planowanie danych treningowych
- •Debugowanie i optymalizacja wydajności modeli w produkcji
- •Współpraca z zespołem nad architekturą i wdrażaniem modeli
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML z co najmniej 3 latami praktyki, który realizował pełen cykl ML (od danych po deployment) i ma doświadczenie z CoreML/MLX. Musi swobodnie komunikować się po angielsku i akceptować tryb stacjonarny.
Osoby szukające pracy zdalnej lub hybrydowej, juniorzy bez doświadczenia w deploymentzie ML, oraz osoby bez biegłej znajomości angielskiego.
- ?Ile osób liczy zespół ML i jaki jest podział ról?
- ?Czy to projekt wewnętrzny emagine, czy praca u klienta? Jeśli u klienta, jaki jest klient?
- ?Jak wygląda proces decyzyjny – czy mamy wpływ na architekturę i wybór modeli?
- ?Czy zakres frontendu/CLI to stały element, czy tylko na początku projektu?
- ?Jakie są oczekiwania co do znajomości C/C++ – czy to głównie portowanie, czy również optymalizacja?
- ?Czy są przewidziane pakiety szkoleniowe lub budżet na rozwój?
- ?Jaka jest przewidywana długość projektu/misji?
- −Nie podano widełek wynagrodzenia
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.)
- −Nie wiadomo, czy praca jest u klienta, czy wewnątrz emagine
- −Nie określono wielkości zespołu ani struktury organizacyjnej