Machine Learning Engineer - Energy Forecasting (0,25 etatu)
ForecastPower
Rola skupia się na budowie i utrzymaniu produkcyjnych modeli prognostycznych dla danych energetycznych (ceny, generacja, zużycie). To nie jest POC – nacisk na stabilność, powtarzalność i jakość prognoz. Praca w małym zespole (5 osób) nad nową usługą, z dużą autonomią technologiczną. Stanowisko jest na 0,25 etatu (ok. 10h/tydzień), co jest nietypowe – wymaga elastyczności i samodzielności.
Brakuje: nie podano konkretnego podziału czasu pracy (np. dni tygodnia, godziny) dla wymiaru 0,25 etatu, brak informacji o tym, czy wynagrodzenie podane w ogłoszeniu dotyczy pełnego etatu czy już proporcjonalnie.
Rola skupia się na budowie i utrzymaniu produkcyjnych modeli prognostycznych dla danych energetycznych (ceny, generacja, zużycie). To nie jest POC – nacisk na stabilność, powtarzalność i jakość prognoz. Praca w małym zespole (5 osób) nad nową usługą, z dużą autonomią technologiczną. Stanowisko jest na 0,25 etatu (ok. 10h/tydzień), co jest nietypowe – wymaga elastyczności i samodzielności.
- ✓Praca nad nową usługą – greenfield, możliwość kształtowania rozwiązania od początku
- ✓Autonomia technologiczna i realny wpływ na produkt
- ✓Nacisk na stabilność produkcyjną, nie szybkie POC – podejście inżynierskie
- ✓Długoterminowa współpraca i elastyczne godziny pracy
- ✓Możliwość wymiany wiedzy technicznej w firmie
- −Stanowisko na 0,25 etatu (ok. 10h/tydzień) – może być problematyczne dla osób potrzebujących pełnego wynagrodzenia lub stabilności; widełki w ogłoszeniu (23520-27720 PLN/mies) prawdopodobnie dotyczą pełnego etatu, więc realne wynagrodzenie za 0,25 etatu to ~5880-6930 PLN/mies, co nie jest wprost pod
- −Brak informacji o harmonogramie pracy – jak rozłożone są godziny? Czy wymagana jest dostępność w określonych porach?
- !Bardzo mały zespół (5 osób) – duża odpowiedzialność i presja na wyniki, może brakować wsparcia.
- !Mimo że rola jest produkcyjna, nie wspomniano o monitoringu i alertach – czy jest on-call?
- !Proces rekrutacyjny krótki (1 rozmowa techniczna i decyzja) – może być powierzchowny lub firma ma pilną potrzebę.
- •Rozwijanie i parametryzacja modeli prognostycznych (regresja, drzewa, boosting) dla szeregów czasowych
- •Feature engineering: opóźnienia, statystyki kroczące, sezonowość, dane kalendarzowe i pogodowe
- •Walidacja modeli przez backtesting i eliminacja przecieku informacji (data leakage)
- •Integracja modeli z ETL przez API (dedykowany pakiet Pythona)
- •Budowa pipeline'ów treningowych i okresowe retrainingi modeli
- •Monitoring jakości i stabilności prognoz w produkcji
- •Pisanie testów (jednostkowych, funkcjonalnych, wydajnościowych) dla komponentów ML
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z 3-4 latami doświadczenia w ML/data science, która ma solidne podstawy w prognozowaniu szeregów czasowych i potrafi samodzielnie prowadzić proces prognostyczny od feature engineeringu po walidację, ale brakuje jej jeszcze głębokiego doświadczenia w energetyce lub wdrożeniach produkcyjnych.
Nie dla juniorów (poniżej 3 lat doświadczenia) ani dla osób bez praktyki w szeregach czasowych. Osoby szukające pełnego etatu lub preferujące pracę zespołową z dużym wsparciem również będą miały trudności – rola wymaga samodzielności i jest na 0,25 etatu.
- ?Jak dokładnie jest rozłożony wymiar 0,25 etatu – stałe dni/godziny czy elastycznie?
- ?Czy widełki wynagrodzenia (23520-27720 PLN) dotyczą pełnego etatu, a jeśli tak, to ile wynosi stawka za 0,25 etatu?
- ?Jaki jest konkretny harmonogram pracy – czy są z góry ustalone spotkania/dyżury?
- ?Czy zespół pracuje synchronicznie, czy asynchronicznie?
- ?Jakie są dalsze plany rozwoju nowej usługi – czy po fazie budowy etat może wzrosnąć?
- ?Czy jest przewidziany on-call dla modeli produkcyjnych?
- ?Czy istnieje możliwość przejścia na pełny etat w przyszłości?
- −Nie podano konkretnego podziału czasu pracy (np. dni tygodnia, godziny) dla wymiaru 0,25 etatu
- −Brak informacji o tym, czy wynagrodzenie podane w ogłoszeniu dotyczy pełnego etatu czy już proporcjonalnie
- −Nie wiadomo, czy istnieje wsparcie merytoryczne (mentoring) w zespole – zespół składa się tylko z data scientist
- −Brak opisu procesu wdrożeniowego i CI/CD – są wymienione Continuous Deployment/Integration, ale bez szczegółów
Mały zespół (5 osób) pracujący w metodyce Kanban, z dużą autonomią i naciskiem na wymianę wiedzy. Atmosfera najprawdopodobniej startupowa, ale z produkcyjnym podejściem (Continuous Integration/Deployment, testy).
Rekrutacja składa się z jednej zdalnej rozmowy technicznej (ok. 1 godziny), po której zapada decyzja.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →