Senior Machine Learning Enginner (Java, Scala & BigData)
Grid Dynamics
Rola skupia się na budowie i optymalizacji platformy do monitorowania i analizy zagrożeń w finansowym ekosystemie w czasie rzeczywistym. Głównym zadaniem jest tworzenie skalowalnych pipeline'ów do przetwarzania dużych strumieni danych oraz deployment modeli ML. To stanowisko łączy inżynierię danych z MLopsem, a nie typowe uczenie maszynowe (eksperymenty, trenowanie modeli).
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano liczby dni hybrydowych, brak opisu procesu rekrutacyjnego.
To rola inżyniera platformy ML (MLOps/data engineering), a nie klasycznego Machine Learning Engineer'a. Główny nacisk na Big Data, streaming i integrację danych, a nie na eksperymenty z modelami.
Rola skupia się na budowie i optymalizacji platformy do monitorowania i analizy zagrożeń w finansowym ekosystemie w czasie rzeczywistym. Głównym zadaniem jest tworzenie skalowalnych pipeline'ów do przetwarzania dużych strumieni danych oraz deployment modeli ML. To stanowisko łączy inżynierię danych z MLopsem, a nie typowe uczenie maszynowe (eksperymenty, trenowanie modeli).
- ✓Praca nad zaawansowanym systemem monitoringu finansowego z AI
- ✓Firma notowana na NASDAQ (stabilność)
- ✓Dobrze wyposażone biuro w Warszawie
- ✓Możliwość rozwoju przy nowoczesnych technologiach streamingowych
- !Brak informacji o wymaganej liczbie dni w biurze (hybryda)
- !Nie podano wielkości zespołu ani struktury
- !Brak opisu procesu rekrutacyjnego
- !Nie wspomniano o on-call ani dyżurach
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja pipeline'ów danych w Java, Scala i SQL (w tym PL/SQL)
- •Praca z Snowflake jako centralnym magazynem danych
- •Budowa i optymalizacja strumieniowych przetwarzania w Apache Flink i Spark Streaming
- •Integracja danych z systemami Hadoop, Hive, Kafka
- •Utrzymanie i optymalizacja zapytań do Apache Pinot dla niskich opóźnień
- •Kodowanie testów, dokumentacji i raportowanie postępów
- •Współpraca z inżynierami cross-funkcyjnymi przy integracji rozwiązań
- •Analiza wydajności i skalowanie komponentów Big Data
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z minimum 3 latami w Java/Scala i Big Data, który miał styczność z przetwarzaniem strumieniowym i Snowflake. Musi znać Hadoopa, Sparka i Kafka.
Nie dla osób szukających czystego ML (trenowanie modeli, algorytmy) – rola wymaga głównie inżynierii danych i platformy. Nie dla juniorów – wymagane zaawansowane Big Data i streaming.
- ?Ile osób liczy zespół?
- ?Jak wygląda współpraca z zespołami cross-funkcyjnymi?
- ?Czy przewidziane są dyżury on-call?
- ?Jakie są główne wyzwania w obecnym systemie?
- ?Czy są szanse na przejście na zdalną pracę?
- ?Jak długi jest projekt?
- ?Czy istnieje możliwość publikowania własnych pomysłów na architekturę?
- −Nie podano liczby dni hybrydowych
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo czy jest dyżur on-call
- −Brak informacji o budżecie szkoleniowym
- −Nie określono zakresu odpowiedzialności za ML (czy tylko deployment, czy też trenowanie modeli)
Współpraca z cross-funkcyjnymi zespołami, silny nacisk na dostarczanie i dokumentację. Kultura zorientowana na rozwiązania.