Senior Machine Learning Engineer
H2B Group
Rola Machine Learning Engineer'a skupionego na inteligencji dokumentowej. Budujesz end-to-end pipeline'y do przetwarzania dokumentów (PDF, skany) na AWS, wykorzystując modele głębokiego uczenia (w tym GenAI/multimodalne) do klasyfikacji, segmentacji i ekstrakcji danych. Pracujesz nad skalowalnymi systemami przetwarzającymi duże pliki (do 2000 stron). Rola łączy research (eksperymenty, prompt engineering, RAG) z produkcyjnym wdrożeniem i monitoringiem. Klientem jest firma zewnętrzna (projekt konsultingowy).
Brakuje: wielkość zespołu projektowego, opis procesu rekrutacyjnego.
Rola Machine Learning Engineer'a skupionego na inteligencji dokumentowej. Budujesz end-to-end pipeline'y do przetwarzania dokumentów (PDF, skany) na AWS, wykorzystując modele głębokiego uczenia (w tym GenAI/multimodalne) do klasyfikacji, segmentacji i ekstrakcji danych. Pracujesz nad skalowalnymi systemami przetwarzającymi duże pliki (do 2000 stron). Rola łączy research (eksperymenty, prompt engineering, RAG) z produkcyjnym wdrożeniem i monitoringiem. Klientem jest firma zewnętrzna (projekt konsultingowy).
- ✓Ciekawa domena inteligencji dokumentowej z wykorzystaniem najnowszych technologii GenAI (multimodal, RAG)
- ✓Możliwość prowadzenia funkcji od researchu do monitorowania – autonomia techniczna
- ✓Nowoczesny stack AWS (Bedrock, SageMaker, CDK)
- ✓Elastyczność zmiany projektów w ramach większej grupy (Euvic)
- !Brak informacji o wielkości zespołu projektowego
- !Wymagana 'biegłość w komunikacji pisemnej i ustnej' w asynchronicznym środowisku – może oznaczać dużo samodzielnej pracy i ograniczone interakcje
- !Nie określono, czy jest on-call ani jak wygląda wsparcie produkcyjne
- •Projektowanie i implementacja pipeline'ów inteligencji dokumentowej na AWS (SageMaker, Step Functions, Lambda)
- •Trenowanie i optymalizacja modeli ML do klasyfikacji, segmentacji i ekstrakcji pól z dokumentów (TensorFlow/PyTorch)
- •Budowa skalowalnych systemów przetwarzania PDF (do 2000 stron) – inżynieria cech, przetwarzanie obrazów
- •Wdrażanie rozwiązań GenAI: prompt engineering, RAG, modele multimodalne (Vision+Text) z AWS Bedrock lub Azure OpenAI
- •Projektowanie eksperymentów i testowanie hipotez (analiza mocy, walidacja modeli)
- •Ustanawianie ram ewaluacyjnych i wskaźników jakości dla dokładności ekstrakcji
- •Współpraca z ekspertami merytorycznymi przy definiowaniu wymagań ekstrakcji danych
- •Samodzielne prowadzenie funkcji od researchu przez wdrożenie do monitorowania w produkcji
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML z 3-4 latami doświadczenia, solidną znajomością AWS (SageMaker, Lambda) i Pythonem (TensorFlow/PyTorch, Pandas) oraz podstawami GenAI. Gotów rozwijać się w inteligencji dokumentowej.
Nie dla juniorów ani osób bez doświadczenia produkcyjnego w ML na AWS. Rola wymaga samodzielności i umiejętności prowadzenia projektów end-to-end.
- ?Ile osób liczy zespół projektowy i w jakim modelu współpracy (SCRUM, Kanban)?
- ?Jaki jest przewidywany czas trwania projektu?
- ?Czy istnieje możliwość pracy nad więcej niż jednym projektem jednocześnie?
- ?Jak wygląda wsparcie produkcyjne – czy są dyżury on-call?
- ?Czy klient ma już istniejącą infrastrukturę ML na AWS, czy budujemy od zera?
- ?Jakie typy dokumentów będą przetwarzane i jaka jest oczekiwana dokładność ekstrakcji?
- ?Czy oferujecie budżet szkoleniowy lub dostęp do kursów/conferencji?
- −Wielkość zespołu projektowego
- −Opis procesu rekrutacyjnego
- −Informacja o dyżurach on-call
- −Benefity pozapłacowe (budżet szkoleniowy, sprzęt itp.)
Praca zdalna i asynchroniczna, z naciskiem na samodzielność i komunikację pisemną. Współpraca z ekspertami merytorycznymi klienta przy definiowaniu wymagań.
Poniżej mediany rynkowej
≈ 130,0–155,0 zł/h
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →