Senior Machine Learning Engineer
Air Space Intelligence
Ta rola to przede wszystkim inżynieria oprogramowania maszynowego uczenia – projektowanie i wdrażanie produkcyjnych systemów ML na Kubernetes i AWS. Nie jest to praca badawcza, lecz praktyczne budowanie skalowalnych pipeline'ów danych, integracja LLM-ów (RAG, fine-tuning) oraz utrzymywanie modeli w produkcji. Domena to optymalizacja i predykcja w czasie rzeczywistym dla lotnictwa. Wymagane jest podejście software engineer: solidność, utrzymywalność, wydajność.
Brakuje: brak informacji o liczbie dni w biurze (tryb 'office' – zakładamy pełną obecność), nie podano wielkości zespołu ml.
Ta rola to przede wszystkim inżynieria oprogramowania maszynowego uczenia – projektowanie i wdrażanie produkcyjnych systemów ML na Kubernetes i AWS. Nie jest to praca badawcza, lecz praktyczne budowanie skalowalnych pipeline'ów danych, integracja LLM-ów (RAG, fine-tuning) oraz utrzymywanie modeli w produkcji. Domena to optymalizacja i predykcja w czasie rzeczywistym dla lotnictwa. Wymagane jest podejście software engineer: solidność, utrzymywalność, wydajność.
- ✓Elastyczne godziny pracy
- ✓Pakiet zdrowotny premium (medyczne, dentystyczne, wzrok)
- ✓Generous relocation package do Trójmiasta
- ✓Darmowe śniadania i obiady w biurze
- ✓Małe zespoły i płaska struktura
- ✓Budżet na rozwój (Coaching & development opportunities)
- !Brak informacji o wielkości zespołu ML
- !'High Energy Environment' może sugerować intensywną pracę
- !Opis procesu rekrutacyjnego jest ogólnikowy ('dopasujemy proces do Ciebie')
- !Wymagane LLM w produkcji – może być wąska specjalizacja
- •Projektowanie i wdrażanie produkcyjnych systemów ML na Kubernetes/AWS
- •Implementacja pipeline'ów danych z Apache Beam i MLflow
- •Integracja LLM-ów (prompt engineering, fine-tuning, RAG) z produkcyjnymi aplikacjami
- •Pisanie i review kodu w Pythonie (z naciskiem na solidność i utrzymywalność)
- •Utrzymanie i monitoring modeli w produkcji (experiment tracking, model governance)
- •Współpraca z zespołami cross-funkcyjnymi przy definiowaniu wymagań ML
- •Optymalizacja wydajności systemów ML (skalowalność, koszty)
- •Udział w testach i automatyzacji pipeline'ów CI/CD dla ML
Oferta dla doświadczonych specjalistów (Senior).
Osoba z 3-4 latami doświadczenia w ML, która potrafi pisać solidny kod w Pythonie i ma podstawową wiedzę o MLOps, ale potrzebuje jeszcze rozwoju w zakresie skalowalnych systemów produkcyjnych.
Juniorzy bez doświadczenia produkcyjnego, osoby szukające głównie pracy zdalnej (wymóg pełnej obecności w biurze), oraz osoby nastawione na badania naukowe bez zainteresowania inżynierią.
- ?Ile osób liczy zespół ML i jak jest zorganizowany?
- ?Czy zakres obowiązków obejmuje również wsparcie on-call lub dyżury produkcyjne?
- ?Jakie są konkretne projekty nad którymi będzie pracować nowa osoba?
- ?Czy istnieje możliwość pracy zdalnej w określonych sytuacjach, czy wymóg pełnej obecności w biurze?
- ?Jaki jest proces rekrutacyjny – ile etapów, czy jest zadanie domowe, live coding?
- −Brak informacji o liczbie dni w biurze (tryb 'office' – zakładamy pełną obecność)
- −Nie podano wielkości zespołu ML
- −Brak szczegółów procesu rekrutacyjnego
- −Nie wiadomo, czy istnieje możliwość pracy zdalnej w wyjątkowych sytuacjach
- −Nie określono, jak często odbywają się dyżury produkcyjne
High Energy Environment, małe zespoły i płaska struktura – dynamiczne i wymagające, z naciskiem na szybkie działanie i współpracę.
Brak szczegółów – ogłoszenie mówi: 'We look at the interview process not as screening test but rather as an opportunity to simulate what it would look like working together. We build the interview process around you.' – co sugeruje elastyczne podejście, ale nie podaje konkretnych etapów.
Powyżej mediany rynkowej
≈ 208,9–278,6 zł/h
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →