Machine Learning Engineer
Reply Polska
Rola skupia się na projektowaniu, implementacji i utrzymaniu produkcyjnych rozwiązał ML (klasyczne modele i deep learning) dla platform cyfrowych dużego retaileru DIY. Pracujesz w tandemie z kolegą odpowiedzialnym za zarządzanie interesariuszami i koordynację, co pozwala Ci skupić się na modelowaniu, pipeline’ach i technicznej egzekucji. Domena: omnichannel retail, systemy mission-critical.
Brakuje: brak informacji o wielkości zespołu i strukturze, nie podano, czy wymagane jest doświadczenie z dockerem/kubernetes.
Rola skupia się na projektowaniu, implementacji i utrzymaniu produkcyjnych rozwiązał ML (klasyczne modele i deep learning) dla platform cyfrowych dużego retaileru DIY. Pracujesz w tandemie z kolegą odpowiedzialnym za zarządzanie interesariuszami i koordynację, co pozwala Ci skupić się na modelowaniu, pipeline’ach i technicznej egzekucji. Domena: omnichannel retail, systemy mission-critical.
- ✓Skupienie na technicznej egzekucji bez zarządzania interesariuszami
- ✓Platforma beneficjów Motivizer z budżetem 550 PLN/miesiąc
- ✓Dostęp do kursów językowych i regularnych szkoleń
- ✓Wydarzenia społecznościowe, coding challenge’y
- ✓Nowoczesny stack: Python, Databricks, AWS
- !Brak informacji o wielkości zespołu ML i strukturze
- !Nie podano, czy istnieje dyżur on-call dla modeli produkcyjnych
- !Model tandemowy może ograniczać wpływ na decyzje biznesowe
- !Nie sprecyzowano konkretnych przypadków użycia (np. rekomendacje, prognozowanie)
- !Nie wymieniono narzędzi konteneryzacji (Docker, Kubernetes) – mogą być potrzebne
- •Projektowanie i trenowanie modeli ML (klasyczne i deep learning) dla przypadków biznesowych (np. prognozowanie popytu, rekomendacje)
- •Budowa i utrzymanie end-to-end pipeline’ów ML: przygotowanie danych, inżynieria cech, trenowanie, walidacja, deployment, monitoring
- •Implementacja CI/CD dla modeli ML z użyciem Git i narzędzi automatyzacji
- •Pisanie produkcyjnego kodu w Pythonie z zachowaniem clean code i najlepszych praktyk inżynierii oprogramowania
- •Monitorowanie wydajności modeli w produkcji i zapewnianie ich niezawodności
- •Współpraca z wewnętrznymi inżynierami ML i zespołami danych nad rozwiązaniami technicznymi
- •Praca z Databricks i AWS do zarządzania środowiskami ML
- •Uczestnictwo w wydarzeniach społecznościowych i coding challenge’ach
Oferta dla doświadczonych specjalistów (Senior).
Osoba z co najmniej 2-3 latami doświadczenia w budowie produkcyjnych pipeline’ów ML, solidnym Pythonem i podstawami chmury (AWS/Databricks), gotowa rozwijać się w kierunku MLOps i produkcyjnych wdrożeń.
Juniorzy bez doświadczenia w produkcyjnym ML, osoby preferujące pracę w pełni zdalną (hybryda wymagana), ani inżynierowie szukający roli czysto badawczej (data scientist) – to rola inżynieryjna.
- ?Ile osób liczy zespół ML i jakie są role w zespole?
- ?Jakie konkretne usługi AWS są używane (np. SageMaker, ECS)?
- ?Jak często wdrażane są modele i jak wygląda monitoring w produkcji?
- ?Czy istnieje dyżur on-call i jaka jest częstotliwość?
- ?Jakie narzędzia CI/CD są stosowane?
- ?Czy są możliwości udziału w konferencjach lub zewnętrznych szkoleniach?
- ?Jaki jest proces rekrutacyjny – liczba etapów, zadanie domowe?
- −Brak informacji o wielkości zespołu i strukturze
- −Nie podano, czy wymagane jest doświadczenie z Dockerem/Kubernetes
- −Brak opisu procesu rekrutacyjnego
- −Nie sprecyzowano konkretnych zastosowań ML (domena, typ modeli)
- −Nie wiadomo, czy jest możliwość pracy w pełni zdalnej
Współpraca w społeczności, regularne eventy networkingowe, coding challenge’e i imprezy firmowe. Zespół nastawiony na praktyczne wdrożenia ML.
Poniżej mediany rynkowej
≈ 77,4–131,0 zł/h
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →