To rola łącząca Data Science i ML Engineering w firmie konsultingowej AI. Będziesz liderem technicznym w projektach dla dużych klientów (np. optymalizacja portu lotniczego, systemy rekomendacyjne z LLM). Codziennie będziesz projektować architektury ML, implementować modele od zera do produkcji, współpracować z zespołami Data Engineering i Software Engineering oraz komunikować się bezpośrednio z klientami. To nie jest rola badawcza – nacisk na wdrożenia i skalowalność.

Plusy

✓B2B z płatnym urlopem (20 dni)
✓Budżet szkoleniowy i konferencje (w tym partnerstwo z Databricks)
✓Międzynarodowe projekty z uznanymi markami
✓Płaska struktura i autonomia techniczna
✓Wsparcie w budowaniu marki osobistej (blog, konferencje)

Na co uważać

−Połączenie roli Data Scientist i ML Engineer może prowadzić do niejasności w zakresie obowiązków

!Brak informacji o wielkości zespołu projektowego
!Brak opisu procesu rekrutacyjnego
!Wiele buzzwordów (AI, Big Data, LLM) bez konkretów technicznych

Codzienna praca

•Projektowanie i wdrażanie architektur rozwiązań AI dla klientów (np. silniki optymalizacyjne, rekomendacyjne)
•Implementacja modeli ML od podstaw – od eksperymentów do deploymentu w chmurze (AWS/Azure)
•Praca z LLMami: AI agents, semantic search, RAG, prompt engineering
•Tworzenie i zarządzanie pipeline'ami danych oraz CI/CD dla ML (GitHub Actions, Docker, Kubernetes)
•Prezentacja wyników i rekomendacji interesariuszom (w tym klientom nietechnicznym)
•Koordynacja z zespołami Data Engineering i Software Engineering przy budowie aplikacji AI
•Mentoring i wsparcie młodszych członków zespołu
•Udział w procesie Agile/Scrum – priorytetyzacja zadań i dostarczanie iteracji

Więcej o ofercie

Dla kogo jest ta oferta

Profil idealny

Stanowisko liderskie — wymaga zarówno doświadczenia technicznego jak i umiejętności zarządzania.

Minimum sensowne

Osoba z co najmniej 5-letnim doświadczeniem w ML, która potrafi samodzielnie wdrożyć model w chmurze i komunikować się z klientem. Może mieć mniejsze doświadczenie w LLM, ale musi znać podstawy.

Raczej nie dla

Juniorzy lub mid-level bez doświadczenia produkcyjnego w ML. Osoby szukające pracy badawczej bez kontaktu z klientem. Ktoś, kto woli pracę w stałym zespole nad jednym produktem.

Ocena dopasowania

Junior1/5

Mid2/5

Senior5/5

Hands-on4/5

Architekt4/5

Remote5/5

Enterprise3/5

Pytania do rekrutera

?Ile osób liczy zespół projektowy i jak są podzielone role (Data Science vs ML Engineering)?
?Jak długo trwa typowy projekt i czy można wpływać na wybór technologii?
?Czy większość projektów jest w AWS czy Azure?
?Jak wygląda proces onboardingu i wsparcie buddy?
?Czy istnieje możliwość pracy nad własnym produktem (ContextClue) poza projektami klienckimi?
?Jakie są oczekiwania co do dostępności poza standardowymi godzinami (on-call)?

Brakujące informacje