Ekspert ds. sztucznej inteligencji (k/m)
A1 Sorter
To rola łącząca Data Science z inżynierią embedded – będziesz projektować modele ML (CNN, transformery) i wdrażać je na platformach wbudowanych (C/Python, TFLite/ONNX) w systemach robotycznych do logistyki magazynowej. Praca w zespole R&D we współpracy z kadrą naukową i inżynierami automatyki. Skala: systemy sterujące urządzeniami w magazynach, embedded, real-time.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu, brak informacji o liczbie dni hybrydowych.
To rola łącząca Data Science z inżynierią embedded – będziesz projektować modele ML (CNN, transformery) i wdrażać je na platformach wbudowanych (C/Python, TFLite/ONNX) w systemach robotycznych do logistyki magazynowej. Praca w zespole R&D we współpracy z kadrą naukową i inżynierami automatyki. Skala: systemy sterujące urządzeniami w magazynach, embedded, real-time.
- ✓Udział w nowatorskim projekcie R&D z robotyki i intralogistyki
- ✓Współpraca z kadrą naukową i doświadczonym zespołem inżynierów
- ✓Realny wpływ na architekturę systemów AI
- ✓Dostęp do wiedzy naukowej, konferencji i szkoleń z AI i embedded
- ✓Nowoczesna lokalizacja w Technoparku przy Politechnice Śląskiej
- !Długa lista nice-to-have może oznaczać wysokie oczekiwania
- !Znajomość angielskiego tylko w nice-to-have, ale dokumentacja po angielsku wymagana w obowiązkach
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i trenowanie głębokich sieci neuronowych (CNN, RNN, MobileViT) do segmentacji i klasyfikacji danych sensorycznych
- •Implementacja i optymalizacja modeli ML na platformach wbudowanych (C, Python) z użyciem TFLite/ONNX
- •Przetwarzanie i analiza danych z systemów robotycznych (pipeline'y danych, bazy SQL)
- •Testowanie i walidacja algorytmów w środowisku rzeczywistym (embedded + sterowniki)
- •Kwantyzacja i kompresja modeli pod kątem deploymentu edge
- •Tworzenie wizualizacji wyników w Matplotlib, Seaborn, Plotly
- •Przygotowywanie dokumentacji technicznej i raportów badawczych
- •Ścisła współpraca z naukowcami i inżynierami robotyki podczas przeglądów technicznych
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z min. 5 latami w ML, solidną znajomością Pythona i C, doświadczeniem w implementacji modeli na embedded oraz podstawami systemów sterujących.
Osoby poniżej 5 lat doświadczenia w ML, bez praktyki w C/embedded, ani pure Data Scientist bez znajomości hardware'u i systemów wbudowanych.
- ?Ile osób liczy zespół R&D i kto wchodzi w jego skład?
- ?Ile dni w tygodniu trzeba być w biurze w Gliwicach?
- ?Jakie konkretnie platformy wbudowane są używane w projekcie?
- ?Czy istnieje już infrastruktura MLOps czy trzeba ją budować od zera?
- ?Jaki jest etap projektu badawczego – czy to greenfield, czy już działa?
- ?Czy praca wiąże się z dyżurami on-call lub pracą w terenie u klientów?
- ?Jaki budżet przewidziano na szkolenia i konferencje?
- ?Czy zespół korzysta z ROS/ROS2, czy to tylko nice-to-have?
- −Nie podano wielkości zespołu
- −Brak informacji o liczbie dni hybrydowych
- −Nie wiadomo, czy są dyżury on-call
- −Brak konkretnej kwoty budżetu szkoleniowego
Zespół interdyscyplinarny – inżynierowie, naukowcy, automatycy – nastawiony na innowacje i współpracę. Kultura oparta na badaniach i wdrażaniu nowych rozwiązań.
Aplikacja → rozmowa wstępna (HR) → rozmowa techniczna → decyzja i formalności. Brak zadania domowego ani live codingu.