AI/ML Python Software Developer
speedapp
Rola łączy ML i backend. Będziesz tworzyć modele AI od zdefiniowania problemu przez preprocessing danych, trenowanie, aż po wdrożenie w produkcji. Równocześnie zintegrujesz modele z istniejącymi systemami backendowymi (Django, REST API) i będziesz dbać o infrastrukturę kontenerową (Docker, Kubernetes). Pracujesz w globalnym zespole R&D nad produktami telekomunikacyjnymi (4G/5G). To nie jest tylko badawcze ML – oczekuje się solidnego inżynierskiego backendu i deployu.
Brakuje: nie podano wielkości zespołu ani liczby współpracujących zespołów, brak informacji o on-call lub dyżurach produkcyjnych.
Rola łączy ML i backend. Będziesz tworzyć modele AI od zdefiniowania problemu przez preprocessing danych, trenowanie, aż po wdrożenie w produkcji. Równocześnie zintegrujesz modele z istniejącymi systemami backendowymi (Django, REST API) i będziesz dbać o infrastrukturę kontenerową (Docker, Kubernetes). Pracujesz w globalnym zespole R&D nad produktami telekomunikacyjnymi (4G/5G). To nie jest tylko badawcze ML – oczekuje się solidnego inżynierskiego backendu i deployu.
- ✓Widełki wynagrodzenia podane wprost (26900–31900 PLN B2B)
- ✓Pełny cykl życia ML – od problemu do produkcji (autonomia techniczna)
- ✓Praca nad nowoczesnymi technologiami (Kubernetes, PyTorch, CI/CD)
- ✓Możliwość wpływu na architekturę i wybór narzędzi
- !Brak określenia liczby dni hybrydowych – nie wiadomo jak często trzeba być w biurze w Krakowie
- !Współpraca z globalnymi zespołami R&D może oznaczać spotkania w różnych strefach czasowych
- !Wymóg 'kreatywności' i 'umiejętności rozwiązywania problemów' – puste hasła bez konkretów
- •Definiowanie problemów ML i przygotowywanie danych do trenowania modeli
- •Implementacja i trenowanie modeli z użyciem PyTorch, XGBoost oraz bibliotek objaśnialności (Shap, DICE)
- •Budowanie end-to-end pipeline'ów ML od danych po wdrożenie
- •Integracja modeli AI z backendem Django/REST i mikrousługami
- •Tworzenie i utrzymywanie testów jednostkowych (unittest, pytest)
- •Konteneryzacja aplikacji w Dockerze i zarządzanie wdrożeniami na Kubernetesie
- •Korzystanie z CI/CD i GitHub do automatyzacji procesu dostarczania
- •Współpraca z zespołami R&D z innych ośrodków na świecie
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z dobrym Pythonem i podstawami ML, który potrafi zbudować pipeline od danych do wdrożenia. Wymagane minimum to 6 lat w branży (z uwzględnieniem studiów) i praktyczna znajomość Django oraz Dockera.
Osoby z mniej niż 5 latami doświadczenia w Pythonie i ML, które nie mają styczności z backendem lub konteneryzacją. Rola nie jest dla juniorów ani czysto badawczych ML-owców bez umiejętności deploymentu.
- ?Ile osób liczy zespół, z którym będę współpracował?
- ?Jaki jest model hybrydowy – ile dni w biurze tygodniowo?
- ?Czy praca dotyczy konkretnego produktu telekomunikacyjnego, a jeśli tak, to jakiego?
- ?Jak wygląda proces wdrożenia modeli – czy są wymagane dyżury on-call?
- ?Jaki jest stosunek pracy nad modelem do pracy nad backendem (np. 50/50)?
- ?Czy istnieje możliwość publikacji wyników lub udziału w konferencjach?
- −Nie podano wielkości zespołu ani liczby współpracujących zespołów
- −Brak informacji o on-call lub dyżurach produkcyjnych
- −Nie określono dokładnie, jaka część pracy dotyczy ML, a jaka backendu
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.)
Praca w międzynarodowym zespole R&D, prawdopodobnie w strukturze matrycowej z naciskiem na współpracę i inżynierską doskonałość.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →