Machine Learning Engineer (she/he/they)

Green Hive Technology

🛠 Wymagane technologie

Dane źródłowe

scikit-learn SQL Python

AI Insights

Czym naprawdę jest ta rola?ML Engineer

Jako Machine Learning Engineer w Green Hive Technology (software house w Grupie Żabka) będziesz odpowiedzialny za kompleksowy rozwój i wdrażanie produktów AI/ML – od predykcji, optymalizacji i rekomendacji po rozwiązania Causal AI i LLM. Pracujesz end-to-end: od analizy problemu, przez budowę modeli, aż po produktyzację i deployment w chmurze. Rola wymaga łączenia wiedzy ML z umiejętnościami inżynieryjnymi (MLOps, CI/CD) i komunikacją z biznesem.

Plusy

✓Praca zdalna z elastycznością (biura opcjonalnie w Warszawie i Poznaniu)
✓Kontrakt B2B z możliwością preferencyjnych warunków (Multisport, LuxMed, ubezpieczenie)
✓Realny wpływ na produkty używane przez miliony użytkowników (ekosystem Żabki)
✓Współpraca z ekspertami w innowacyjnym środowisku
✓Możliwość rozwoju w obszarach Causal AI i LLM

Na co uważać

!Brak informacji o konkretnym cloud providerze (AWS/GCP/Azure)
!Nie sprecyzowano wielkości zespołu ML ani struktury projektu
!Opis sugeruje szeroki zakres obowiązków (ML, MLOps, Causal AI, LLM) – może to oznaczać rozproszenie uwagi

?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji

Codzienna praca

•Projektowanie i trenowanie modeli ML (scikit-learn) do zadań predykcyjnych i rekomendacyjnych
•Przygotowywanie danych oraz feature engineering z użyciem SQL i Pythona
•Deployment modeli do produkcji w chmurze z użyciem narzędzi MLOps (CI/CD, Airflow, Terraform)
•Budowanie rozwiązań opartych na Causal AI i silnikach LLM
•Monitorowanie wydajności modeli w produkcji i iteracyjne ulepszanie
•Współpraca z zespołem biznesowym przy definiowaniu wymagań i priorytetyzacji zadań
•Tworzenie testów jednostkowych i udział w testach A/B
•Utrzymywanie repozytoriów kodu w Git i dokumentowanie rozwiązań

Więcej o ofercie

Dla kogo jest ta oferta

Profil idealny

Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).

Minimum sensowne

Kandydat z 3 latami doświadczenia w ML/DS, który zna Pythona i SQL na dobrym poziomie, potrafi stosować scikit-learn do standardowych problemów ML i ma podstawową wiedzę o Git i cyklu life-cycle modelu.

Raczej nie dla

Osoby bez minimum 3 lat doświadczenia w ML/DS, preferujące wyłącznie pracę badawczą bez produkcyjnego wdrożenia, lub szukające wyłącznie pracy w biurze (oferta jest zdalna z opcjonalnym biurem).

Ocena dopasowania

Junior1/5

Mid4/5

Senior2/5

Hands-on5/5

Architekt1/5

Remote5/5

Enterprise3/5

Pytania do rekrutera

?Z jakiego cloud providera korzystacie (AWS, GCP, Azure) i jakie są główne usługi do ML?
?Ile osób liczy zespół ML i jak wygląda współpraca z zespołem biznesowym?
?Czy stack ML ogranicza się do scikit-learn, czy używacie też PyTorch/TensorFlow?
?Jakie narzędzia MLOps są obecnie używane (np. MLflow, Kubeflow)?
?Jak wygląda proces wersjonowania modeli i zarządzania danymi?
?Czy w projekcie są jakieś konkretne wyzwania związane z Causal AI lub LLM, o których warto wiedzieć?
?Jaka jest preferowana metodyka pracy (Scrum, Kanban) i częstotliwość release'ów?

Brakujące informacje

−Brak informacji o konkretnym cloud providerze
−Nie określono wielkości zespołu ML ani struktury organizacyjnej
−Brak szczegółów dotyczących procesu MLOps w firmie

Zespół

Kultura oparta na współpracy i otwartości – zespół ceni proaktywność, jasną komunikację i dzielenie się wiedzą. Pracownicy mają realny wpływ na rozwiązania, a pomysły są słyszane.

Rekrutacja

Proces składa się z 3 etapów: 1) rozmowa telefoniczna (ok. 30 minut), 2) rozmowa merytoryczna online, 3) rozmowa z osobą z biznesu. Brak informacji o zadaniu domowym lub live codingu.

Oferta w skrócie

Widełki nieujawnione

🏠ZdalnieTryb pracy

📄B2BKontrakt

⏱️Mid · 3+ latDoświadczenie

LokalizacjaWarszawa

Źródło

justjoinit

Aktywna

Opublikowano9 maja 2026

Ostatnio sprawdzono9 maja 2026

Wygasa za50 dni

Otwórz ofertę u źródła

🔗Podobne oferty