Senior Machine Learning Engineer (GenAI & Production ML Systems)
Holisticon Insight
Jesteś odpowiedzialny za budowę i utrzymanie produkcyjnych systemów ML i GenAI w domenie inżynieryjnej i łańcucha dostaw. Tworzysz pipeline'y NLP/LLM (RAG, ekstrakcja danych z dokumentów), modele predykcyjne oraz zarządzasz pełnym cyklem życia ML od eksperymentów po monitoring w produkcji. Współpracujesz z Data Scientistami, Data Engineerami i ekspertami biznesowymi. Rola wymaga silnych umiejętności inżynierskich i MLOps.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu ai, brak opisu procesu rekrutacyjnego.
Jesteś odpowiedzialny za budowę i utrzymanie produkcyjnych systemów ML i GenAI w domenie inżynieryjnej i łańcucha dostaw. Tworzysz pipeline'y NLP/LLM (RAG, ekstrakcja danych z dokumentów), modele predykcyjne oraz zarządzasz pełnym cyklem życia ML od eksperymentów po monitoring w produkcji. Współpracujesz z Data Scientistami, Data Engineerami i ekspertami biznesowymi. Rola wymaga silnych umiejętności inżynierskich i MLOps.
- ✓Pełna praca zdalna
- ✓Budżet szkoleniowy (np. certyfikaty Microsoft Azure)
- ✓Płaska struktura i autonomia inżynierska
- ✓Wpływ na kulturę firmy
- ✓Sprzęt (laptop, 2 monitory)
- !Brak informacji o wielkości zespołu i podziale ról
- !Nie opisano procesu rekrutacyjnego
- !Nie wspomniano o dyżurach on-call
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i rozwój produkcyjnych rozwiązań ML i GenAI w Pythonie z użyciem PyTorch/TensorFlow
- •Budowa i optymalizacja pipeline'ów NLP/LLM z Hugging Face i LangChain
- •Implementacja architektur RAG i wyszukiwania semantycznego
- •Tworzenie modeli predykcyjnych (forecasting, detekcja anomalii, scoring ryzyka)
- •Inżynieria promptów i optymalizacja LLM pod konkretne domeny
- •Projektowanie i utrzymanie zautomatyzowanych pipeline'ów ML (MLflow, Docker, Kubernetes)
- •Wdrażanie i monitorowanie modeli w środowiskach produkcyjnych
- •Budowa pipeline'ów przetwarzania danych strukturyzowanych i niestrukturyzowanych
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML z co najmniej 5 latami doświadczenia, który ma solidne podstawy w Pythonie i klasycznym ML, ale potrzebuje rozwijać się w obszarze GenAI i RAG. Powinien mieć już styczność z wdrażaniem modeli w środowisku produkcyjnym.
Nie dla juniorów ani midów z mniej niż 5 latami doświadczenia w produkcyjnym ML. Osoby bez praktycznej znajomości LLM, RAG lub MLOps mogą mieć trudności.
- ?Ile osób liczy zespół AI i jakie są role?
- ?Czy projekt jest greenfield czy rozwijany na istniejącej bazie?
- ?Jakie jest środowisko docelowe (cloud/on-prem)?
- ?Czy są przewidziane dyżury on-call?
- ?Jak długi jest proces rekrutacyjny i ile etapów?
- ?Jaka jest skala danych (objętość, throughput)?
- −Nie podano wielkości zespołu AI
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo czy są dyżury on-call
- −Nie określono konkretnego cloud providera (wzmianka o Azure w benefitach)
Płaska struktura, małe zespoły, duża odpowiedzialność inżynierska i autonomia. Kultura oparta na współpracy i dostarczaniu wartości biznesowej.