Senior Machine Learning (Databricks)
Entrada AI
Jako Senior ML Engineer w Entrada AI będziesz projektować i wdrażać modele uczenia maszynowego na platformie Databricks dla klientów z listy Fortune 500. Rola obejmuje cały cykl życia ML – od zbierania danych, przez preprocessing, trenowanie modeli (głównie PyTorch/TensorFlow), aż po deployment i monitoring z użyciem MLflow. Pracujesz w zespole Databricks MVP, masz bezpośredni dostęp do mapy produktowej i prywatnych podglądów. To nie jest rola badawcza, ale inżynieryjno-doradcza – rozwiązujesz złożone problemy architektoniczne i mentujesz młodszych członków zespołu.
Brakuje: brak informacji o liczbie osób w zespole (zespołach) projektowych, nie podano, jak często zmieniają się projekty i klienci.
Jako Senior ML Engineer w Entrada AI będziesz projektować i wdrażać modele uczenia maszynowego na platformie Databricks dla klientów z listy Fortune 500. Rola obejmuje cały cykl życia ML – od zbierania danych, przez preprocessing, trenowanie modeli (głównie PyTorch/TensorFlow), aż po deployment i monitoring z użyciem MLflow. Pracujesz w zespole Databricks MVP, masz bezpośredni dostęp do mapy produktowej i prywatnych podglądów. To nie jest rola badawcza, ale inżynieryjno-doradcza – rozwiązujesz złożone problemy architektoniczne i mentujesz młodszych członków zespołu.
- ✓Sprzęt Apple (Macbook Air M4 15")
- ✓Pokrycie kosztów certyfikacji Databricks
- ✓Możliwość wystąpień na konferencjach (budowanie marki osobistej)
- ✓Bezpośrednia współpraca z MVP Databricks i dostęp do prywatnych podglądów
- !Brak informacji o typowych długościach projektów i liczbie klientów obsługiwanych jednocześnie
- !Nie podano wielkości zespołu projektowego
- !Wspomniano o opcjonalnej rozmowie z klientem, co może wydłużyć rekrutację
- •Projektowanie i implementacja modeli ML (predykcyjne, NLP, computer vision) w środowisku Databricks
- •Budowa i optymalizacja end-to-end pipeline'ów ML – od danych po deployment
- •Trenowanie i fine-tuning modeli z użyciem PyTorch, TensorFlow lub scikit-learn
- •Konfiguracja i monitorowanie modeli produkcyjnych za pomocą MLflow
- •Współpraca z klientami w celu przełożenia wymagań biznesowych na rozwiązania techniczne
- •Dokumentowanie architektury i prowadzenie code review
- •Mentoring i szkolenie młodszych inżynierów w zakresie ML i Databricks
- •Uczestnictwo w spotkaniach z zespołem Databricks (preview nowych funkcji, roadmapa)
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML z 5-letnim stażem, który ma co najmniej 3 lata praktyki z Databricks i potrafi samodzielnie dostarczać modele do produkcji. Zna Python i jeden z głównych frameworków ML. Pracował z MLflow i chmurą.
Juniorzy, osoby szukające stabilnego produktu własnego (to consulting), a także ci, którzy nie chcą pracować z klientami zewnętrznymi i w dynamicznym środowisku wielu projektów.
- ?Jak zazwyczaj wygląda alokacja – czy pracuję nad jednym projektem naraz, czy kilkoma?
- ?Ile osób liczy zespół inżynieryjny w Polsce?
- ?Czy istnieje wewnętrzna struktura on-call dla modeli produkcyjnych?
- ?Jaki jest typowy proces wdrożeniowy u klienta od rozpoczęcia do produkcji?
- ?Czy mogę dostać przykładowy opis ostatniego projektu z Databricks?
- ?Jakie są możliwości rozwoju – czy mogę wpływać na roadmapę wewnętrznych narzędzi?
- −Brak informacji o liczbie osób w zespole (zespołach) projektowych
- −Nie podano, jak często zmieniają się projekty i klienci
- −Brak wzmianki o ewentualnym monitorowaniu (on-call) modeli po wdrożeniu
- −Nie wiadomo, czy istnieje budżet na szkolenia (poza certyfikatami Databricks)
Zespół składa się z doświadczonych inżynierów i Databricks MVP, kładzie nacisk na czystą architekturę i dzielenie się wiedzą. Masz bezpośredni kontakt z twórcami platformy Databricks.
1. Rozmowa wstępna z rekruterem (20 min). 2. Rozmowa techniczna z zespołem inżynieryjnym (60 min). 3. Opcjonalna rozmowa z klientem (tylko w wybranych przypadkach). 4. Decyzja i oferta.
Na poziomie rynkowym
≈ 160,0–210,0 zł/h
Dane z aktywnych ofert zawierających technologię Machine Learning. Pełne statystyki zarobków →