Data Scientist / Machine Learning Engineer
cloudatus
Rola w firmie konsultingowo-usługowej z zakresu chmury. Będziesz projektować, budować i wdrażać modele ML w środowisku chmurowym (AWS/Azure) dla klientów korporacyjnych. Codzienna praca obejmuje przygotowanie danych, trenowanie modeli (regresja, lasy losowe, sieci neuronowe itp.), optymalizację hiperparametrów, budowę pipeline'ów ML i praktyki MLOps. To nie jest rola badawcza – nacisk na produkcję i integrację z istniejącymi systemami IT.
Brakuje: wielkość zespołu ml i struktura zespołów, proces rekrutacyjny (etapy, zadanie domowe, live coding).
Rola w firmie konsultingowo-usługowej z zakresu chmury. Będziesz projektować, budować i wdrażać modele ML w środowisku chmurowym (AWS/Azure) dla klientów korporacyjnych. Codzienna praca obejmuje przygotowanie danych, trenowanie modeli (regresja, lasy losowe, sieci neuronowe itp.), optymalizację hiperparametrów, budowę pipeline'ów ML i praktyki MLOps. To nie jest rola badawcza – nacisk na produkcję i integrację z istniejącymi systemami IT.
- ✓100% zdalnie z elastycznym grafikiem
- ✓Możliwość wyboru formy zatrudnienia (UoP lub B2B)
- ✓Lekcje angielskiego lub niemieckiego 1:1
- ✓Praca z najnowszymi technologiami (GenAI, chmura)
- !Mała firma (11-25 osób) – może oznaczać ograniczone wsparcie i konieczność samodzielności
- !Opis wymagań dosyć ogólny – nie wiadomo, jakie konkretnie projekty i klienci
- !Znajomość MLOps jest tylko 'desirable', ale rola wydaje się mocno opierać na pipeline'ach
- •Projektowanie i implementacja rozwiązań ML w środowisku chmurowym (AWS SageMaker lub Azure ML)
- •Przygotowywanie i analiza złożonych zbiorów danych, obsługa brakujących i błędnych wartości
- •Stosowanie i optymalizacja metod ML (regresja liniowa, lasy losowe, KNN, sieci neuronowe, boosting, klastrowanie, uczenie ze wzmocnieniem, drzewa decyzyjne/regresyjne)
- •Feature engineering i tuning hiperparametrów modeli
- •Budowa modeli w Python (oraz opcjonalnie R) z użyciem standardowych bibliotek data science
- •Udział w budowie zautomatyzowanych pipeline'ów ML i wdrażanie praktyk MLOps
- •Współpraca z zespołami cross-funkcyjnymi przy integracji modeli z procesami biznesowymi i systemami IT
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z solidnym doświadczeniem w Python i statystyce, która miała styczność z ML w chmurze (nawet w mniejszym zakresie) i chce rozwijać się w stronę MLOps. Powinna być w stanie samodzielnie zbudować i wdrożyć model przy wsparciu zespołu.
Osoby bez doświadczenia w ML w środowisku chmurowym ani w produkcji – to nie jest rola dla juniora ani kogoś, kto nie pracował wcześniej z AWS SageMaker/Azure ML.
- ?Jakie konkretne projekty (branże, klienci) obecnie realizujecie i w które byłbym zaangażowany?
- ?Jaki jest typowy podział zadań – ile czasu zajmuje modelowanie, a ile deployment/MLOps?
- ?Ile osób liczy zespół ML i jak wygląda współpraca z klientem?
- ?Czy istnieje możliwość udziału w konferencjach lub dalszego rozwoju (budżet szkoleniowy)?
- ?Jak wygląda proces wdrożenia modelu do produkcji i kto odpowiada za monitorowanie?
- ?Czy są dyżury on-call lub oczekuje się pracy w weekendy przy wdrożeniach?
- ?Jakie są perspektywy rozwoju w firmie – ścieżka ekspercka czy menedżerska?
- −Wielkość zespołu ML i struktura zespołów
- −Proces rekrutacyjny (etapy, zadanie domowe, live coding)
- −Konkretne narzędzia MLOps (MLflow, Kubeflow, itp.)
- −Liczba projektów jednocześnie i długość kontraktów z klientami
Firma konsultingowa, prawdopodobnie praca projektowa – różnorodne zespoły i klienci. Niewielki zespół, więc duża samodzielność i bezpośredni kontakt z klientem.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię GenAI. Pełne statystyki zarobków →