AI/ML Engineer (Computer Vision & Physical AI)
Base Group
Rola skupia się na tworzeniu end-to-end pipeline'ów AI/ML dla komputerowego widzenia (2D/3D) i analizy sygnałów z czujników w środowisku przemysłowym. Obejmuje budowę modeli deep learning, implementację detekcji anomalii, oraz wdrażanie na stanowiskach z robotami i kamerami. Silny nacisk na MLOps i deployment na brzegu sieci. To nie jest typowa rola data science – wymaga pracy fizycznej z hardwarem oraz znajomości specyficznych narzędzi (np. ROS).
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, nie podano liczby dni urlopu na b2b.
Rola skupia się na tworzeniu end-to-end pipeline'ów AI/ML dla komputerowego widzenia (2D/3D) i analizy sygnałów z czujników w środowisku przemysłowym. Obejmuje budowę modeli deep learning, implementację detekcji anomalii, oraz wdrażanie na stanowiskach z robotami i kamerami. Silny nacisk na MLOps i deployment na brzegu sieci. To nie jest typowa rola data science – wymaga pracy fizycznej z hardwarem oraz znajomości specyficznych narzędzi (np. ROS).
- ✓Realny wpływ na produkt wdrożony w przemyśle
- ✓Praca z najnowszymi technologiami (Foundation Models dla robotyki, edge AI)
- ✓Silny nacisk na MLOps i dobre praktyki inżynieryjne
- ✓Możliwość pracy z robotami i sensorami – nietypowe i rozwijające
- −Brak widełek wynagrodzenia (umowa B2B)
- −Wymóg znajomości konkretnych narzędzi AI (Cursor, Codex, Claude Code) – może być dyskryminujące dla osób używających innych
- !Praca wyłącznie stacjonarna w Gdańsku
- !Umowa B2B – wymóg samozatrudnienia
- !Brak informacji o wielkości zespołu i on-call
- !Nieokreślony typ firmy (produkt/software house)
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja pipeline'ów danych dla modeli CV 2D/3D (point clouds) i szeregów czasowych
- •Trenowanie i ewaluacja modeli w PyTorch lub TensorFlow
- •Implementacja metod anomaly detection dla sygnałów z czujników (siła, akcelerometr)
- •Wersjonowanie modeli, CI/CD oraz monitoring w MLflow/DVC/W&B
- •Testowanie rozwiązań na rzeczywistych stanowiskach z robotami i kamerami
- •Debugowanie i optymalizacja modeli pod kątem edge deployment (ONNX, Jetson)
- •Dokumentacja techniczna i współpraca z zespołem inżynieryjnym
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier z co najmniej 2-letnim komercyjnym stażem w AI/ML, który ma solidne podstawy w Python, deep learning i CV, ale mniejsze doświadczenie z deploymentem i MLOps. Zna Git i Docker, potrafi pracować z sensorami i robotami na poziomie podstawowym.
Osoby z mniej niż 2 latami komercyjnego doświadczenia w AI/ML, a także ci, którzy nie interesują się pracą z fizycznymi urządzeniami (roboty, czujniki) lub preferują wyłącznie pracę zdalną.
- ?Ile osób liczy zespół AI/ML i jak są podzielone role?
- ?Jakie konkretne projekty są aktualnie rozwijane z zakresu Physical AI?
- ?Czy istnieje możliwość okazjonalnej pracy zdalnej?
- ?Jak wygląda proces wdrożenia modelu do produkcji – ile czasu trwa?
- ?Czy są dyżury on-call lub wsparcie produkcyjne po godzinach?
- ?Jaki budżet szkoleniowy i dostęp do konferencji?
- ?Czy oferujecie udziały/opcje w firmie?
- −Brak widełek wynagrodzenia
- −Nie podano liczby dni urlopu na B2B
- −Brak informacji o beneficie (np. karta sport, ubezpieczenie)
- −Nie wiadomo, czy są plany rozwoju kariery
- −Brak opisu procesu rekrutacyjnego (etapy, zadanie domowe)
Zespół stawia na praktyczne wdrożenia i współpracę z hardwarem. Oczekiwana samodzielność i inicjatywa. Prawdopodobnie płaska struktura, nastawiona na prototypowanie i szybkie iteracje.