Senior Machine Learning (ML) Engineer (Product)
Centra
To rola senior ML Engineer w nowym zespole budującym moduł Data & Insights w firmie SaaS dla e-commerce fashion. Będziesz projektować i wdrażać produkcyjne systemy ML – od prognozowania popytu po generatywne AI z RAG. Praca jest greenfieldowa, z pełną własnością techniczną w hybrydowym modelu we Wrocławiu.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, nie określono dokładnej liczby dni hybrydowych w biurze.
To rola senior ML Engineer w nowym zespole budującym moduł Data & Insights w firmie SaaS dla e-commerce fashion. Będziesz projektować i wdrażać produkcyjne systemy ML – od prognozowania popytu po generatywne AI z RAG. Praca jest greenfieldowa, z pełną własnością techniczną w hybrydowym modelu we Wrocławiu.
- ✓Greenfield – budowa nowego modułu od zera, pełna autonomia techniczna
- ✓Transparentny proces rekrutacyjny: 3 etapy z jasno opisanym czasem trwania
- ✓Produkt o realnym wpływie: wsparcie marek modowych w redukcji nadwyżek i optymalizacji
- ✓Inwestor strategiczny (H&M Group) – stabilność finansowa i skalowalność
- !Brak informacji o wielkości zespołu i istniejącej infrastrukturze danych
- !Nowy zespół – brak historii i potencjalne ryzyko chaosu organizacyjnego
- !Nie określono polityki on-call ani wsparcia produkcyjnego po godzinach
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowanie i ulepszanie modeli prognozowania szeregów czasowych dla popytu i sprzedaży
- •Tworzenie generatywnych przepływów AI interpretujących dane i generujących rekomendacje
- •Projektowanie i utrzymanie pipeline'ów MLOps: trenowanie, ewaluacja, deploy, monitoring
- •Implementacja systemów RAG uwzględniających dane klientów i logikę biznesową
- •Współpraca z Analytics Engineer w zakresie zapewnienia solidnych fundamentów danych
- •Podejmowanie pragmatycznych decyzji technicznych balansujących eksperymenty z niezawodnością
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML z co najmniej 3-4 latami doświadczenia w deployu modeli produkcyjnych, umiejący programować w Pythonie i znający podstawy MLOps. Gotowy do pracy w nowym zespole i nauki zaawansowanych technik (LLM, RAG).
Osoby bez doświadczenia w produkcyjnym ML (juniorzy) ani specjaliści skupieni wyłącznie na badaniach/data science bez inżynierii. Nie dla osób preferujących pracę w pełni zdalną – to rola hybrydowa z przewagą biura.
- ?Ile dni w tygodniu przewiduje się pracę z biura?
- ?Ile osób będzie liczył nowy zespół i jakie są ich kompetencje?
- ?Czy istnieje już infrastruktura danych (data warehouse, pipeline'y), czy trzeba ją zbudować od zera?
- ?Jakie są plany dotyczące monitoringu i retraining modeli – czy są już narzędzia do MLOps?
- ?Czy wiąże się z tym dyżury on-call lub wsparcie produkcyjne poza standardowymi godzinami?
- ?Jaki jest główny cloud provider i czy są preferowane konkretne narzędzia?
- −Brak widełek wynagrodzenia
- −Nie określono dokładnej liczby dni hybrydowych w biurze
- −Nie znana wielkość zespołu ani struktura (poza Analytics Engineer)
- −Brak informacji o istniejącym stacku technologicznym (cloud, bazy danych, frameworki)
- −Nie podano polityki on-call ani oczekiwanego czasu reakcji na incydenty
Nowy, mały zespół z dużą autonomią, nastawiony na product engineering i pragmatyzm. Współpraca z Analytics Engineer, a w tle wsparcie finansowe H&M Group. Kultura oparta na własności i odpowiedzialności za wyniki biznesowe.
3 etapy: 1) Rozmowa wstępna z rekruterem (online, 30-45 min), 2) Rozmowa techniczna (online lub onsite, 1.5-2 h), 3) Rozmowa o dopasowaniu kulturowym i wartościach (online lub onsite, 1 h).