Deep Learning Engineer/Machine Learning Engineer
Vasco Electronics
Rola skupia się na projektowaniu i optymalizacji modeli głębokiego uczenia (głównie NLP, jak Machine Translation, NLU) do działania na urządzeniach mobilnych z Androidem. Będziesz samodzielnie tworzyć modele, implementować techniki kompresji i kwantyzacji, integrować je z aplikacjami za pomocą TensorFlow Lite/ONNX Runtime oraz ściśle współpracować z zespołem mobile. To połączenie badań i inżynierii produkcyjnej z naciskiem na wydajność na słabym sprzęcie.
Brakuje: nie podano wielkości zespołu ani liczby deweloperów mobile, brak opisu procesu rekrutacyjnego (etapy, zadanie domowe, czas oczekiwania).
Rola skupia się na projektowaniu i optymalizacji modeli głębokiego uczenia (głównie NLP, jak Machine Translation, NLU) do działania na urządzeniach mobilnych z Androidem. Będziesz samodzielnie tworzyć modele, implementować techniki kompresji i kwantyzacji, integrować je z aplikacjami za pomocą TensorFlow Lite/ONNX Runtime oraz ściśle współpracować z zespołem mobile. To połączenie badań i inżynierii produkcyjnej z naciskiem na wydajność na słabym sprzęcie.
- ✓Realny wpływ na kształt produktu (urządzenia mobilne z AI)
- ✓Możliwość prowadzenia badań i eksperymentów w innowacyjnym obszarze
- ✓Przyjazna, nieformalna atmosfera z benefitami (Worksmile, parking, PS5, zwierzęta w biurze)
- ✓Elastyczny czas pracy
- ✓Budżet na benefity (Worksmile)
- −Brak informacji o procesie rekrutacyjnym (etapy, zadanie domowe)
- −Wąski zakres technologiczny (głównie Android/TFLite) – może ograniczać rozwój w innych obszarach
- !Hybryda 3 dni w biurze (Kraków) – może być uciążliwa dla osób daleko mieszkających
- !Nie podano wielkości zespołu ani struktury R&D
- !Wynagrodzenie jak na seniora ML w Krakowie raczej średnie (górna granica 18k UoP)
- •Projektowanie i uczenie modeli Transformer/NLP (np. tłumaczenie maszynowe, NLU)
- •Implementacja technik kompresji modeli (kwantyzacja, pruning, destylacja) dla urządzeń mobilnych
- •Integracja modeli z aplikacjami Android przez TensorFlow Lite (LiteRT) lub ONNX Runtime
- •Przeprowadzanie eksperymentów nad architekturami o niskim zużyciu zasobów
- •Walidacja i testowanie modeli na rzeczywistych urządzeniach mobilnych
- •Współpraca z deweloperami mobilnymi przy implementacji inferencji
- •Dokumentacja procesów badawczych i wdrożeniowych
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Mid-level inżynier ML z solidną znajomością Pythona i PyTorch, który ma podstawowe doświadczenie z inference na urządzeniach mobilnych (np. przez TFLite) i chęć rozwoju w kierunku optymalizacji modeli.
Osoby bez doświadczenia w deployment modeli na urządzenia mobilne (embedding/inference) lub z mniej niż 3 latami pracy w ML/DL. Rola nie jest dla juniorów.
- ?Ile osób liczy zespół badawczo-rozwojowy i jaka jest struktura (ML vs mobile)?
- ?Ile czasu zajmuje przeciętny cykl badawczo-wdrożeniowy od pomysłu do produkcji?
- ?Czy modele są trenowane od zera czy wykorzystywane są pre-trenowane?
- ?Jak wygląda proces testowania modeli na urządzeniach – czy są fizyczne urządzenia testowe?
- ?Czy istnieje możliwość publikacji wyników badań lub udziału w konferencjach?
- ?Jaki jest stosunek pracy badawczej do inżynieryjnej (code, integracja)?
- ?Czy są przewidziane dyżury on-call lub wsparcie produkcyjne?
- −Nie podano wielkości zespołu ani liczby deweloperów mobile
- −Brak opisu procesu rekrutacyjnego (etapy, zadanie domowe, czas oczekiwania)
- −Nie wiadomo, czy istnieje możliwość całkowicie zdalnej pracy lub jakie są wymagane dni w biurze poza ogólnym określeniem
- −Brak informacji o budżecie szkoleniowym lub konferencyjnym
- −Nie podano, czy modele są wdrażane tylko na Android czy również inne platformy
Przyjazna, nieformalna atmosfera – bez nadęcia, z fajnymi ludźmi, dobrą kawą, biuro przyjazne zwierzętom, dostępna konsola PS5+VR2. Firma stawia na wartości i realny wpływ.
Poniżej mediany rynkowej
≈ 77,4–107,1 zł/h
Dane z aktywnych ofert zawierających technologię NLP. Pełne statystyki zarobków →