AI/ML Engineer
Mindbox
To rola ML Engineera w firmie outsourcingowej, który będzie projektować i wdrażać modele predykcyjne i rekomendacyjne dla klientów korporacyjnych. Codzienna praca obejmuje eksperymentowanie z technikami ML/DL, optymalizację pipeline'ów danych (PySpark, Pandas, MLflow), pisanie kodu produkcyjnego zgodnego z CI/CD oraz współpracę z Data Engineerami i interesariuszami. Rola wymaga 3+ lat doświadczenia w Data Science/ML i praktycznej znajomości deploymentu modeli.
Brakuje: konkretny projekt lub klient, wielkość zespołu.
To rola ML Engineera w firmie outsourcingowej, który będzie projektować i wdrażać modele predykcyjne i rekomendacyjne dla klientów korporacyjnych. Codzienna praca obejmuje eksperymentowanie z technikami ML/DL, optymalizację pipeline'ów danych (PySpark, Pandas, MLflow), pisanie kodu produkcyjnego zgodnego z CI/CD oraz współpracę z Data Engineerami i interesariuszami. Rola wymaga 3+ lat doświadczenia w Data Science/ML i praktycznej znajomości deploymentu modeli.
- ✓Sprzęt i oprogramowanie zapewnione
- ✓Dostęp do platform szkoleniowych i możliwość rozwoju
- ✓Międzynarodowe projekty
- −Brak konkretnych informacji o projekcie i kliencie – szczegóły ujawniane dopiero w trakcie rekrutacji
- −Opis mówi o hybrydzie, ale dane strukturalne wskazują w pełni zdalną – sprzeczność co do modelu pracy
- −Outsourcing do enterprise może oznaczać mniejszą autonomię i częste zmiany priorytetów
- !Nie podano konkretnego stosu technologicznego – jedynie ogólnie ML, Python, cloud
- !Brak informacji o wielkości zespołu i liczbie projektów równoległych
- !Wymienione benefity są standardowe, brak wyróżników
- •Projektowanie i rozwijanie modeli predykcyjnych oraz rekomendacyjnych
- •Eksperymentowanie z zaawansowanymi technikami ML/AI, w tym deep learning
- •Optymalizacja pipeline'ów danych i kodu modeli przy użyciu PySpark, Pandas, MLflow
- •Pisanie czystego, produkcyjnego kodu z uwzględnieniem CI/CD
- •Pomiar i ocena wpływu modeli na biznesowe KPI
- •Współpraca z Data Engineerami i interesariuszami na każdym etapie – od eksploracji danych po deploy
- •Udział w lifecycle'u modeli – od eksperymentów do wdrożenia
Oferta dla doświadczonych specjalistów (Senior).
Analityk danych / ML Engineer z co najmniej 3-letnim doświadczeniem w Data Science, który potrafi budować i wdrażać modele w Pythonie, zna podstawy ML i jest w stanie pracować z dużymi danymi, ale niekoniecznie ma głęboką znajomość chmury ani deep learningu.
Osoby szukające stabilnej, długoterminowej pracy nad własnym produktem (outsourcing zmienia projekty) oraz juniorzy bez 3 lat doświadczenia. Również nie dla kogoś, kto unika kontaktu z klientami i woli pracę wyłącznie nad jednym projektem przez lata.
- ?Ile osób liczy zespół ML/Data Science i jak wygląda podział ról?
- ?Jaki konkretny klient/projekt czeka – domena, skala danych, rodzaj modeli?
- ?Jakie jest typowe obciążenie – ilość projektów równoległych, presja czasowa?
- ?Czy są dyżury on-call lub praca w weekendy?
- ?Jaki procent czasu to kodowanie vs eksperymenty vs spotkania?
- ?Jak wygląda proces MLOps – kto odpowiada za deployment i monitoring modeli?
- −Konkretny projekt lub klient
- −Wielkość zespołu
- −Proces rekrutacyjny (liczba etapów, zadanie domowe, live coding)
- −Budżet na konferencje i szkolenia
Międzynarodowy zespół w firmie stawiającej na ciągły rozwój i współpracę, ale ze względu na outsourcing kultura może różnić się między projektami.
Na poziomie rynkowym
≈ 150,0–180,0 zł/h
Dane z aktywnych ofert zawierających technologię Machine learning. Pełne statystyki zarobków →