Machine Learning Engineer
Michael Page
Rola polega na budowaniu i wdrażaniu systemów ML/AI na dużą skalę (miliony rekordów dziennie) w dużej firmie z sektora usług profesjonalnych. Codzienna praca obejmuje NLP, embeddingi, wyszukiwanie wektorowe, klasyfikację, ranking, modele podobieństwa i funkcje oparte na LLM. Kandydat będzie projektować i utrzymywać pipeline'y MLOps, monitorować modele, współpracować z Data Scientistami i inżynierami, oraz przekładać problemy biznesowe na funkcje AI.
Brakuje: nie podano wielkości zespołu, nie określono liczby dni w biurze dla hybrydy.
Rola polega na budowaniu i wdrażaniu systemów ML/AI na dużą skalę (miliony rekordów dziennie) w dużej firmie z sektora usług profesjonalnych. Codzienna praca obejmuje NLP, embeddingi, wyszukiwanie wektorowe, klasyfikację, ranking, modele podobieństwa i funkcje oparte na LLM. Kandydat będzie projektować i utrzymywać pipeline'y MLOps, monitorować modele, współpracować z Data Scientistami i inżynierami, oraz przekładać problemy biznesowe na funkcje AI.
- ✓Opcje udziałowe (stock options)
- ✓26 dni urlopu
- ✓Budżet na rozwój zawodowy i czesne
- ✓Bonus na wellness
- ✓Platforma szkoleniowa
- ✓Możliwość pracy nad systemami ML działającymi na dużą skalę (miliony rekordów dziennie)
- !Rekrutacja przez agencję (Michael Page) – brak bezpośredniego kontaktu z klientem końcowym
- !Nie podano szczegółów dotyczących modelu hybrydowego (liczba dni w biurze)
- !Brak informacji o wielkości zespołu
- !Klient nie został nazwany w ogłoszeniu
- •Budowanie i wdrażanie systemów ML/AI obsługujących miliony rekordów dziennie
- •Praca z NLP, embeddingami, wyszukiwaniem wektorowym, klasyfikacją, rankingiem, modelami podobieństwa i funkcjami LLM
- •Rozwijanie frameworków ewaluacji modeli i pipeline'ów testujących
- •Utrzymywanie systemów embeddingów wektorowych i wyszukiwania
- •Projektowanie skalowalnych rozwiązań MLOps: monitorowanie, obserwowalność, versioning, detekcja dryfu
- •Przekładanie problemów biznesowych na mierzalne funkcje AI
- •Bliska współpraca z zespołami Data Science, Engineering i Product
Oferta dla doświadczonych specjalistów (Senior).
Minimalny kandydat to inżynier z 4-letnim doświadczeniem w software engineering lub ML, z 2 latami wdrażania systemów ML na produkcji, znający Pythona i podstawy chmury AWS/GCP.
Nie dla osób z mniej niż 4 latami doświadczenia w inżynierii oprogramowania/ML lub bez doświadczenia we wdrażaniu systemów ML na produkcji.
- ?Ile osób liczy zespół ML/Data Science?
- ?Jak wygląda model hybrydowy – ile dni w biurze?
- ?Jaki jest stos narzędzi MLOps (czy jest używany np. MLflow, Kubeflow, SageMaker)?
- ?Czy wiąże się z dyżurami on-call?
- ?Kto jest klientem końcowym (branża)?
- ?Jak wygląda proces rekrutacyjny (liczba etapów)?
- ?Czy jest możliwość bezpośredniego zatrudnienia u klienta po okresie?
- −Nie podano wielkości zespołu
- −Nie określono liczby dni w biurze dla hybrydy
- −Brak informacji o dyżurach on-call
- −Nieznany klient końcowy
- −Brak opisu procesu rekrutacyjnego
- −Brak szczegółów dotyczących konkretnych narzędzi MLOps (np. MLflow, kubeflow)
Kultura oparta na współpracy i rozwoju, z naciskiem na wsparcie i uczenie się od siebie nawzajem.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →