Data Scientist
B3 Consulting Poland
To rola ML Engineera w konsultingu, skupiona na budowie i wdrażaniu głębokich sieci neuronowych dla platformy DSP (Demand-Side Platform) w reklamie programatycznej. Będziesz projektować modele predykcyjne CTR/CVR/ROAS, optymalizować je pod kątem niskich opóźnień i wysokiej przepustowości, oraz deployować na GCP przy użyciu Vertex AI i Vertex Pipelines. To nie jest rola analityczna ani badawcza – wymaga solidnych umiejętności inżynieryjnych i produkcyjnego kodowania.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, nie podano wielkości zespołu data science/ml.
To rola ML Engineera, a nie klasycznego Data Scientist. Główny nacisk jest na budowę i wdrażanie produkcyjnych modeli głębokiego uczenia w reklamie programatycznej, a nie na analizę czy eksplorację danych. Wymagane są umiejętności inżynieryjne (CI/CD, produkcyjny kod, Vertex Pipelines).
To rola ML Engineera w konsultingu, skupiona na budowie i wdrażaniu głębokich sieci neuronowych dla platformy DSP (Demand-Side Platform) w reklamie programatycznej. Będziesz projektować modele predykcyjne CTR/CVR/ROAS, optymalizować je pod kątem niskich opóźnień i wysokiej przepustowości, oraz deployować na GCP przy użyciu Vertex AI i Vertex Pipelines. To nie jest rola analityczna ani badawcza – wymaga solidnych umiejętności inżynieryjnych i produkcyjnego kodowania.
- ✓Kontrakt B2B
- ✓Skandynawska kultura (logika, dialog, autonomia)
- ✓Autonomia w doborze technologii i procesów
- −Brak widełek wynagrodzenia w ogłoszeniu
- −Rola w konsultingu – projekty mogą się zmieniać, nie ma stałego produktu
- −Oczekiwanie 'eksperckiej' znajomości SQL i doświadczenia z głębokimi sieciami przy poziomie 'regular' – może sugerować wysokie wymagania
- !Brak informacji o wielkości zespołu
- !Nie podano, czy projekty są długoterminowe czy krótkie
- !'Dynamiczne środowisko' – może oznaczać zmienne priorytety
- !Niejasne, czy modele są wdrażane w trybie ciągłym (on-line) czy batch
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i trenowanie głębokich sieci neuronowych (PyTorch/TensorFlow) dla CTR, CVR i ROAS
- •Budowanie i utrzymywanie pipeline'ów ML na Vertex AI (Vertex Pipelines, CI/CD)
- •Optymalizacja wydajności modeli pod kątem niskich opóźnień inferencji w środowisku produkcyjnym
- •Analiza dużych zbiorów danych użytkowników, produktów i wydawców za pomocą SQL i Pandas
- •Implementacja logiki biddingowej i optymalizacji doboru produktów w retargetingu
- •Pisanie produkcyjnego, testowalnego i udokumentowanego kodu w Pythonie
- •Udział w code review i wdrażanie praktyk CI/CD
- •Współpraca z zespołem inżynieryjnym przy integracji modeli z platformą DSP
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Data Scientist lub ML Engineer z co najmniej 2-letnim doświadczeniem w budowie modeli deep learning i ich deploymencie w chmurze (najlepiej GCP). Wymagana praktyczna znajomość SQL i umiejętność pisania produkcyjnego kodu.
Juniorzy bez doświadczenia w produkcji ML, osoby szukające roli stricte analitycznej (BI, raporty) lub badawczej (R&D), oraz inżynierowie którzy nie chcą pracować z głębokimi sieciami neuronowymi.
- ?Ile osób liczy zespół ML?
- ?Czy pracujemy nad jednym produktem DSP, czy dla różnych klientów?
- ?Jak wygląda typowy cykl życia modelu – od pomysłu do produkcji?
- ?Czy są dyżury on-call lub SLA dla modeli w produkcji?
- ?Jakie są główne wyzwania związane z opóźnieniami inferencji?
- ?Czy istnieje możliwość publikacji wyników lub udziału w konferencjach?
- ?Jaki jest budżet szkoleniowy i konferencyjny?
- −Brak widełek wynagrodzenia
- −Nie podano wielkości zespołu Data Science/ML
- −Brak informacji o długości projektów lub rotacji
- −Nie wiadomo, czy klient jest wewnętrzny czy zewnętrzny
- −Brak opisu procesu rekrutacyjnego (etapy, czas)
Kultura skandynawska oparta na logice, dialogu i autonomii. Firma stawia na długofalowy rozwój i transparentność (filozofia CARE). Zespół ma autonomię w doborze technologii.