Machine Learning Developer (Mid/Banking)
B2Bnetwork
Mid-level rola ML w sektorze bankowym, polegająca na budowie, walidacji i wdrożeniu modeli predykcyjnych wspierających sprzedaż produktów finansowych (FX, leasing, faktoring). Codzienna praca obejmuje pełen cykl życia modeli: od przygotowania danych i feature engineeringu, przez trenowanie modeli supervised learning (LightGBM/XGBoost), aż po wdrożenie produkcyjne z użyciem Dockera, CI/CD oraz MLOps. Rola łączy zadania Data Scientista (analiza danych, modelowanie) z ML Engineeringiem (deployment, pipeline'y danych).
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano nazwy klienta, brak widełek wynagrodzenia.
Mid-level rola ML w sektorze bankowym, polegająca na budowie, walidacji i wdrożeniu modeli predykcyjnych wspierających sprzedaż produktów finansowych (FX, leasing, faktoring). Codzienna praca obejmuje pełen cykl życia modeli: od przygotowania danych i feature engineeringu, przez trenowanie modeli supervised learning (LightGBM/XGBoost), aż po wdrożenie produkcyjne z użyciem Dockera, CI/CD oraz MLOps. Rola łączy zadania Data Scientista (analiza danych, modelowanie) z ML Engineeringiem (deployment, pipeline'y danych).
- !Brak widełek wynagrodzenia
- !Nie podano nazwy klienta (tylko 'projekt w sektorze bankowym')
- !Brak informacji o liczbie dni hybrydowych (prawdopodobnie w biurze w Warszawie)
- !Nie określono wielkości zespołu
- !Brak opisu procesu rekrutacyjnego
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowa i walidacja modeli supervised learning (LightGBM, XGBoost) w Python
- •Przygotowywanie danych: data wrangling, feature engineering, czyszczenie
- •Optymalizacja zapytań SQL na dużych wolumenach w SQL Server
- •Wdrażanie modeli do produkcji (API lub batch processing) z użyciem Dockera i CI/CD
- •Utrzymanie pipeline'ów danych i wersjonowanie modeli (MLOps)
- •Współpraca z biznesem przy definiowaniu wymagań dla modeli predykcyjnych
- •Analiza i przygotowanie danych z systemów bankowych
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Analityk/Inżynier z 3 latami doświadczenia w ML, który pracował nad przynajmniej jednym produkcyjnym projektem supervised learning, zna Python i SQL i potrafi samodzielnie przygotować dane oraz wdrożyć model.
Juniorzy z mniej niż 3 latami doświadczenia lub osoby bez doświadczenia w produkcyjnych wdrożeniach modeli ML. Rola nie jest odpowiednia dla typowych backend developerów bez backgroundu ML.
- ?Jaki jest klient końcowy (który bank/instytucja)?
- ?Ile dni w tygodniu trzeba być w biurze w Warszawie?
- ?Ile osób liczy zespół ML/Data Science?
- ?Jak wygląda proces rekrutacji – ile etapów, czy jest zadanie domowe?
- ?Czy po zakończeniu projektu istnieje możliwość przedłużenia lub stałego zatrudnienia?
- ?Jakie są widełki wynagrodzenia (B2B)?
- −Nie podano nazwy klienta
- −Brak widełek wynagrodzenia
- −Nie określono liczby dni hybrydowych
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo, czy praca dotyczy jednego projektu czy wielu
Zespół data science w instytucji finansowej, współpracujący z biznesem przy modelach sprzedażowych. Kultura oparta na MLOps i wersjonowaniu modeli.