Machine Learning Engineer (h/f)
emagine
Rola skupia się na wdrażaniu i utrzymaniu modeli uczenia maszynowego w produkcji. Wymaga silnych umiejętności w zakresie inżynierii danych i MLOps. Inżynier będzie ściśle współpracować z inżynierami danych i data scientistami, aby optymalizować potoki danych i wdrażać modele przy użyciu Dataiku i AWS.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: liczba dni hybrydowych w tygodniu, widełki wynagrodzenia.
Rola skupia się na wdrażaniu i utrzymaniu modeli uczenia maszynowego w produkcji. Wymaga silnych umiejętności w zakresie inżynierii danych i MLOps. Inżynier będzie ściśle współpracować z inżynierami danych i data scientistami, aby optymalizować potoki danych i wdrażać modele przy użyciu Dataiku i AWS.
- ✓Możliwość pracy nad pełnym cyklem życia ML w produkcji
- ✓Współpraca z data scientistami i inżynierami danych
- ✓Wykorzystanie nowoczesnego chmurowego stosu i praktyk MLOps
- −Data rozpoczęcia to czerwiec 2026 (bardzo odległy termin)
- −Niszowe wymaganie Dataiku (możliwe uzależnienie od dostawcy)
- −Praca w Paryżu, ale firma to polska agencja consultingowa (może wymagać relokacji)
- !Nie określono liczby dni hybrydowych w tygodniu
- !Brak widełek wynagrodzenia
- !Nie podano wielkości zespołu ani projektu
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Optymalizacja zbierania danych i inżynierii cech (feature engineering)
- •Implementacja i utrzymanie pipeline'ów danych w Python, Spark i Scala
- •Wdrażanie modeli ML jako API na AWS
- •Współpraca z data scientistami przy produkcyjnym wdrożeniu modeli
- •Monitorowanie wydajności modeli i dryfu danych
- •Implementacja praktyk MLOps (jakość danych, wersjonowanie modeli)
- •Dokumentowanie procesów i systemów ML
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z co najmniej 6 latami w produkcji ML, mocnymi umiejętnościami w Dataiku oraz biegłością w Python i SQL, nawet jeśli mniej doświadczona w Spark lub Scala.
Juniorzy, osoby bez doświadczenia w produkcji MLOps, lub ci, którzy nie chcą intensywnie pracować z Dataiku.
- ?Ile dni w tygodniu trzeba być w biurze w Paryżu?
- ?Jak wygląda struktura zespołu (liczebność, role)?
- ?Czy Dataiku jest obowiązkowe, czy można użyć alternatyw?
- ?Jakie konkretnie usługi AWS są wykorzystywane?
- ?Czy jest dyżur on-call?
- ?Czy oferujecie wsparcie relokacyjne?
- ?Jaki jest dokładny termin rozpoczęcia (czerwiec 2026?)
- −Liczba dni hybrydowych w tygodniu
- −Widełki wynagrodzenia
- −Wielkość zespołu
- −Dokładny stos AWS (usługi)
- −Narzędzia CI/CD
- −Budżet szkoleniowy/konferencyjny