Python Developer/ Machine Learning Engineer
Devire
Rola łączy inżynierię danych i machine learning dla produktów finansowych w banku. Na co dzień będziesz budować modele predykcyjne (supervised) wspierające sprzedaż, przygotowywać dane, wdrażać modele do produkcji poprzez API/batch oraz utrzymywać pipeline'y ETL i praktyki MLOps. To rola produkcyjna, nie badawcza – wymaga solidnego doświadczenia w deploymencie modeli.
Brakuje: nie podano wielkości zespołu., brak informacji o procesie rekrutacyjnym..
Rola łączy inżynierię danych i machine learning dla produktów finansowych w banku. Na co dzień będziesz budować modele predykcyjne (supervised) wspierające sprzedaż, przygotowywać dane, wdrażać modele do produkcji poprzez API/batch oraz utrzymywać pipeline'y ETL i praktyki MLOps. To rola produkcyjna, nie badawcza – wymaga solidnego doświadczenia w deploymencie modeli.
- ✓Długofalowa współpraca B2B z realnym wpływem na biznes.
- ✓Praca nad produkcyjnymi modelami ML, nie tylko POC.
- ✓Możliwość pracy z różnymi technologiami (Python, SQL, Docker, CI/CD).
- −Niespójność między danymi strukturalnymi (praca stacjonarna) a opisem (hybryda 2 dni w biurze) – niejasny model pracy.
- −Brak informacji o procesie rekrutacyjnym.
- −Outsourcing przez Devire do banku – możliwy mniejszy wpływ na decyzje techniczne.
- !Opis wymienia Warszawę i Poznań, ale dane strukturalne wskazują tylko Poznań.
- !Wymóg znajomości SSIS sugeruje środowisko Microsoft SQL Server, potencjalnie legacy.
- !Benefity są opcjonalne do wykupienia, nie wliczone w stawkę.
- •Budowa, trenowanie i walidacja modeli ML (supervised) dla sprzedaży produktów finansowych
- •Przygotowywanie, przetwarzanie i analiza dużych zbiorów danych – data wrangling i feature engineering
- •Implementacja rozwiązań w Pythonie z użyciem scikit-learn, pandas, numpy, LightGBM/XGBoost
- •Praca z bazami SQL/SQL Server – optymalizacja zapytań, indeksowanie
- •Wdrażanie modeli do produkcji przez API, batch processing lub integracje systemowe
- •Tworzenie i utrzymywanie pipeline'ów danych i procesów ETL (SSIS/Python)
- •Stosowanie MLOps: CI/CD, Docker, wersjonowanie modeli
- •Współpraca z zespołami biznesowymi i technicznymi przy rozwoju rozwiązań ML
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z 3-letnim doświadczeniem w ML/DS, w tym przynajmniej jeden projekt produkcyjny, znająca Pythona i SQL.
Nie dla osób z mniej niż 3 latami doświadczenia w ML/DS lub bez doświadczenia produkcyjnego. Nie dla osób szukających pracy zdalnej – model stacjonarny w biurze w Poznaniu.
- ?Jaki jest konkretny model pracy – stacjonarny czy hybrydowy? Dane mówią stacjonarny, opis hybryda.
- ?Ile osób liczy zespół Data Science/ML? Jaki jest podział ról?
- ?Jakie narzędzia MLOps są używane (MLflow, Kubeflow, inne)?
- ?Czy modele są wdrażane na premisach czy w chmurze? Jaki dostawca chmury?
- ?Jak wygląda proces CI/CD – jakie narzędzia (Jenkins, GitLab CI)?
- ?Czy jest on-call? Jakie są oczekiwania co do dostępności?
- ?Jaka jest skala danych – ile TB? Jakie są źródła danych?
- ?Czy istnieje możliwość pracy zdalnej w niektóre dni mimo deklaracji stacjonarnej?
- −Nie podano wielkości zespołu.
- −Brak informacji o procesie rekrutacyjnym.
- −Nie wiadomo czy praca zdalna jest możliwa – sprzeczne informacje.
- −Brak opisu stosu chmurowego lub infrastruktury.
- −Nie określono, czy modele są wdrażane w batch czy online.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Machine learning. Pełne statystyki zarobków →