ML Engineer
ERLI
To rola inżyniera ML w dużej platformie e-commerce (ERLI, 9M+ użytkowników). Będziesz projektować, trenować i wdrażać modele rankingowe, rekomendacyjne (learning-to-rank, collaborative filtering, two-tower) oraz NLP (BERT, klasyfikacja tekstu, embeddingi) w środowisku produkcyjnym. Praca opiera się na chmurze (Azure), konteneryzacji (Docker, Kubernetes) i monitorowaniu modeli. Wymaga znajomości JavaScript/TypeScript – to nietypowe dla ML, więc prawdopodobnie stack produkcyjny wykorzystuje te języki obok typowych narzędzi Python.
Brakuje: brak informacji o wielkości zespołu, nie podano, czy wymagany jest python (choć domyślnie używany w ml).
To rola inżyniera ML w dużej platformie e-commerce (ERLI, 9M+ użytkowników). Będziesz projektować, trenować i wdrażać modele rankingowe, rekomendacyjne (learning-to-rank, collaborative filtering, two-tower) oraz NLP (BERT, klasyfikacja tekstu, embeddingi) w środowisku produkcyjnym. Praca opiera się na chmurze (Azure), konteneryzacji (Docker, Kubernetes) i monitorowaniu modeli. Wymaga znajomości JavaScript/TypeScript – to nietypowe dla ML, więc prawdopodobnie stack produkcyjny wykorzystuje te języki obok typowych narzędzi Python.
- ✓Praca nad realnymi problemami ML w dużej skali (miliony użytkowników)
- ✓Nowoczesny stack: NLP transformery, rekomendacje, Kubernetes
- ✓Firma stabilna (101-500 pracowników) z ugruntowaną pozycją marketplace
- !Wymóg znajomości JavaScript/TypeScript może oznaczać niestandardowy stack lub konieczność pracy z frontendem
- !Brak informacji o wielkości zespołu ML i strukturze organizacyjnej
- !Nie podano zakresu odpowiedzialności za utrzymanie modeli (on-call)
- !Szeroki zakres technologii – ryzyko powierzchownej znajomości
- •Projektowanie i trenowanie modeli rankujących oraz rekomendacyjnych na dużych zbiorach danych
- •Budowa i optymalizacja modeli NLP z użyciem transformerów (BERT, MiniLM)
- •Integracja bibliotek Hugging Face, LangChain, LangGraph do pipeline'ów ML
- •Konteneryzacja modeli za pomocą Docker i wdrażanie na Kubernetes
- •Monitorowanie wydajności modeli w produkcji przy użyciu MLflow/TensorBoard/Prometheus
- •Pisanie kodu w JavaScript/TypeScript do integracji rozwiązań ML z platformą
- •Przeprowadzanie eksperymentów A/B i optymalizacja metryk biznesowych
- •Współpraca z zespołem produktowym przy definiowaniu wymagań ML
Oferta dla doświadczonych specjalistów (Senior).
Osoba z 3-letnim doświadczeniem w produkcji ML, która zna podstawy rekomendacji i NLP, potrafi pisać w JavaScript/TypeScript i ma praktykę z Dockerem oraz chmurą.
Juniorzy bez doświadczenia produkcyjnego, osoby unikające JavaScript/TypeScript, inżynierowie skupieni wyłącznie na Pythonie, oraz ci, którzy nie chcą pracować w e-commerce.
- ?Ile osób liczy zespół ML i jak jest podzielony (np. osobny zespół NLP, rekomendacji)?
- ?W jakim stopniu JavaScript/TypeScript jest używany w ML – czy to główny język produkcyjny, czy tylko do integracji?
- ?Jak wygląda proces deploy modeli – czy korzystacie z MLOps pipeline'ów (np. Kubeflow, TFX)?
- ?Czy przewidziane są dyżury on-call związane z monitorowaniem modeli?
- ?Jakie narzędzia do eksperymentów i rejestracji modeli są używane w zespole?
- ?Jak często retrenujecie modele i kto odpowiada za monitoring po wdrożeniu?
- ?Czy oferujecie budżet na szkolenia i konferencje ML?
- −Brak informacji o wielkości zespołu
- −Nie podano, czy wymagany jest Python (choć domyślnie używany w ML)
- −Nie opisano procesu rekrutacyjnego (etapy, zadanie domowe, live coding)
- −Brak szczegółów na temat benefity pozapłacowych (szkolenia, karty sportowe itp.)
- −Nie wiadomo, jak często modele są wdrażane i czy istnieje CI/CD dla ML
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Machine Learning. Pełne statystyki zarobków →