Senior ML/AI Specialist (K/M)
NASK
Rola koncentruje się na wykrywaniu anomalii w ruchu sieciowym przy użyciu metod ML/AI. Praca obejmuje cały cykl: od przygotowania danych, przez eksperymenty z modelami (TensorFlow/PyTorch), po ocenę ich skuteczności i odporności. To stanowisko badawczo-rozwojowe w ramach NASK SCIENCE, łączące praktyczną inżynierię ML z analizą problemów cyberbezpieczeństwa. Nie jest to typowa rola programistyczna – wymaga iteracyjnego eksperymentowania i krytycznej oceny modeli.
Brakuje: liczba dni hybrydowych w biurze, wielkość zespołu i struktura.
Rola koncentruje się na wykrywaniu anomalii w ruchu sieciowym przy użyciu metod ML/AI. Praca obejmuje cały cykl: od przygotowania danych, przez eksperymenty z modelami (TensorFlow/PyTorch), po ocenę ich skuteczności i odporności. To stanowisko badawczo-rozwojowe w ramach NASK SCIENCE, łączące praktyczną inżynierię ML z analizą problemów cyberbezpieczeństwa. Nie jest to typowa rola programistyczna – wymaga iteracyjnego eksperymentowania i krytycznej oceny modeli.
- ✓Ciekawa domena – cyberbezpieczeństwo i analiza sieci
- ✓Praca badawczo-rozwojowa z autonomią eksperymentalną
- ✓Mały zespół? (w domyśle – bezpośrednia współpraca)
- ✓Możliwość publikacji wyników (nauka)
- −Brak informacji o możliwości pracy zdalnej – tylko hybryda, bez sprecyzowania liczby dni
- −Brak wzmianki o narzędziach MLOps/experiment tracking (MLflow, DVC, itp.)
- −Wymieniona technologia 'Jest' – prawdopodobnie błąd; sugeruje nieaktualne lub nieprecyzyjne ogłoszenie
- !Nieokreślona liczba dni hybrydowych w Warszawie
- !Możliwa biurokracja w instytucji państwowej
- !Brak informacji o procesie rekrutacyjnym
- •Przygotowywanie i czyszczenie danych z ruchu sieciowego (czasowe/sekwencyjne)
- •Inżynieria cech (feature engineering) dla detekcji anomalii
- •Budowa prototypów i trenowanie modeli ML/DL (TensorFlow/PyTorch)
- •Ewaluacja modeli: analiza skuteczności, precyzji, fałszywie pozytywnych detekcji
- •Monitorowanie dryfu danych i odporności modeli
- •Współpraca z zespołami AI i architektonicznymi przy budowie potoków danych
- •Dokumentowanie eksperymentów i wyników badań
- •Czytanie literatury naukowej i testowanie nowych podejść
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML z przynajmniej 3-letnim stażem, który potrafi samodzielnie przygotować dane, zbudować i ocenić model oraz komunikować wyniki. Podstawowa znajomość sieci i bezpieczeństwa będzie atutem, ale nie jest wymagana.
Junior bez doświadczenia w ML, osoby szukające typowej roli developera backendu/fullstack, ani osoby oczekujące ściśle zdefiniowanych zadań bez elementu badawczego.
- ?Ile osób liczy zespół AI i jakie są role w zespole?
- ?Jak często wymagana jest obecność w biurze w Warszawie?
- ?Czy modele są wdrażane produkcyjnie, czy to wyłącznie badania?
- ?Jakie narzędzia do eksperymentów i versionowania danych są używane?
- ?Czy istnieje możliwość publikacji wyników badań?
- ?Jaki jest budżet na szkolenia i konferencje?
- ?Jak wygląda proces rekrutacji – ile etapów, zadanie domowe?
- −Liczba dni hybrydowych w biurze
- −Wielkość zespołu i struktura
- −Proces rekrutacyjny
- −Możliwość pracy zdalnej w pełni
- −Narzędzia MLOps/experiment tracking
- −Budżet szkoleniowy
NASK SCIENCE to zespół badawczo-rozwojowy, który stawia na współpracę interdyscyplinarną i dzielenie się wiedzą. Atmosfera sprzyja eksperymentowaniu, a pracownicy mają autonomię w doborze metod.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Jest. Pełne statystyki zarobków →