AI Developer
Atos Poland Global Services
Rola koncentruje się na budowaniu i wdrażaniu modeli AI/ML od początku do końca – od eksploracji danych po deployment i monitorowanie. Będziesz pracować w centrum kompetencyjnym Data & AI, współpracując z inżynierami danych i interesariuszami biznesowymi. Mimo tytułu 'AI Developer', jest to klasyczna rola Data Scientist z silnym naciskiem na ML i model lifecycle.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu ani struktury, brak informacji o systemach mlops i pipeline'ach ci/cd.
Mimo tytułu 'AI Developer' rola jest klasycznym Data Scientistem – głównym zadaniem jest budowanie i wdrażanie modeli ML, a nie rozwój oprogramowania. Oczekiwane jest głębokie zrozumienie algorytmów i pracy z danymi, niekoniecznie inżynierii oprogramowania.
Rola koncentruje się na budowaniu i wdrażaniu modeli AI/ML od początku do końca – od eksploracji danych po deployment i monitorowanie. Będziesz pracować w centrum kompetencyjnym Data & AI, współpracując z inżynierami danych i interesariuszami biznesowymi. Mimo tytułu 'AI Developer', jest to klasyczna rola Data Scientist z silnym naciskiem na ML i model lifecycle.
- ✓Pełna praca zdalna (zgodnie z danymi strukturalnymi)
- ✓Możliwość zdobycia certyfikatów chmurowych (AWS, Google Cloud) – kursy i certyfikacje w ofercie
- ✓Praca w ramach centrum kompetencyjnego Data & AI – większe możliwości rozwoju w AI
- −Wymagane łącznie 7+ lat doświadczenia (5 DS + 2 AI), co jest wysokim progiem dla roli oznaczonej jako 'regular'
- −Brak informacji o wielkości zespołu i konkretnych projektach
- −Praca w outsourcingu IT – możliwość rotacji między projektami
- !Opis wspomina o hybrydowym trybie pracy (max 2 razy w miesiącu), ale dane strukturalne wskazują remote – niejasność co do rzeczywistego modelu
- !Brak szczegółów dotyczących procesu rekrutacyjnego poza trzema etapami
- !Szeroki zakres technologii – może wskazywać na pracę nad różnorodnymi zadaniami bez specjalizacji
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i trenowanie modeli ML (klasyfikacja, regresja, klasteryzacja, prognozowanie) w Pythonie z użyciem TensorFlow/PyTorch
- •Eksploracja i analiza dużych zbiorów danych (EDA) w celu generowania insightów
- •Wdrażanie modeli do produkcji i monitorowanie ich wydajności
- •Pisanie zapytań SQL do relacyjnych (PostgreSQL) i nierelacyjnych baz danych
- •Tworzenie wizualizacji danych za pomocą Matplotlib, Power BI lub Tableau
- •Prowadzenie retrospektyw i prezentowanie wyników zarówno zespołom technicznym, jak i nietechnicznym
- •Utrzymywanie repozytoriów kodu w Git i praca w Jupyter Notebooks
- •Współpraca z inżynierami danych i stakeholderami przy definiowaniu wymagań
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Data Scientist z ok. 5-letnim doświadczeniem komercyjnym, w tym przynajmniej 2 lata poświęcone AI/ML. Potrafi samodzielnie budować modele w Pythonie, pisać zaawansowane zapytania SQL i ma praktykę z RAG. Angielski na poziomie komunikatywnym B2.
Juniorzy i osoby bez minimum 5 lat doświadczenia w data science. Rola wymaga samodzielności i głębokiego zrozumienia ML, więc początkujący nie spełnią wymogów.
- ?Czy stanowisko jest w 100% zdalne, czy jednak zakłada okazjonalne wizyty w biurze we Wrocławiu?
- ?Ile osób liczy zespół Data & AI i nad jakim typem projektów obecnie pracujemy?
- ?Jak wygląda proces wdrożeniowy modeli do produkcji – czy mamy własne środowiska ML ops?
- ?Czy istnieje dyżur techniczny (on-call) dla modeli produkcyjnych?
- ?Jakie konkretnie projekty RAG były realizowane?
- ?Jaki jest budżet na szkolenia i konferencje dla członka zespołu?
- ?Czy istnieje możliwość zmiany projektu wewnątrz firmy?
- −Nie podano wielkości zespołu ani struktury
- −Brak informacji o systemach MLOps i pipeline'ach CI/CD
- −Nie wiadomo, czy praca dotyczy jednego projektu, czy rotacji między klientami
- −Brak szczegółów dotyczących zakresu odpowiedzialności za utrzymanie modeli
Międzynarodowe środowisko w dużej korporacji konsultingowej, z naciskiem na współpracę i innowacje. Firma promuje work-life balance i wellbeing.
Proces składa się z trzech etapów: screening z rekruterem, rozmowa (HR + technical), a następnie feedback.