Machine Learning Engineer

Forma współpracy: B2B

Tryb pracy: 2 dni w tygodniu w biurze, ul. Chmielna 89, Warszawa

Opis stanowiska

• Budowa i rozwój modeli NLP, w tym deep learning, transformerów i large language models, z wykorzystaniem PyTorch.
• Projektowanie i implementacja modeli ML/AI dla problemów klasyfikacyjnych, regresyjnych, analiz przestrzennych GEO i sieci społecznych — od prototypowania do wdrożenia produkcyjnego.
• Utrzymanie, monitorowanie i ewaluacja modeli w czasie w ramach Model Lifecycle Management („fabryki modeli”).
• Identyfikacja i detekcja zdarzeń o wysokiej wartości predykcyjnej w danych klientów.
• Rozwój i optymalizacja przepływów danych oraz pipeline’ów ML z użyciem Airflow i DataFlow.
• Optymalizacja silników decyzyjnych wspierających dystrybucję leadów kampanijnych w CRM.
• Udział w inicjatywach innowacyjnych, szczególnie w obszarze hiperpersonalizacji, GenAI oraz eksperymentów R&D.
• Współpraca z zespołami biznesowymi (marketing, sprzedaż) i IT przy wdrażaniu oraz skalowaniu rozwiązań.
• Rozwój i stosowanie standardów MLOps, automatyzacji oraz zarządzania cyklem życia modeli.
• Udział w budowie standardów modelowania, walidacji i governance w regulowanym środowisku bankowym.

Wymagania

• Minimum 8 lat doświadczenia w modelowaniu predykcyjnym w sektorze bankowym.
• Doświadczenie w pracy z danymi i modelami wspierającymi procesy CRM, marketing, sprzedaż oraz kampanie.
• Praktyczna znajomość Google Cloud Platform, w szczególności BigQuery, AI/Vertex AI Notebooks, MLflow, DataProc, Airflow i DataFlow.
• Doświadczenie w pracy zgodnie z dobrymi praktykami MLOps, w tym CI/CD dla modeli ML.
• Bardzo dobra znajomość Python oraz narzędzi analizy danych.
• Doświadczenie w przetwarzaniu danych w środowisku rozproszonym Spark/PySpark.
• Bardzo dobra znajomość SQL, preferencyjnie BigQuery.
• Doświadczenie w pracy na bardzo dużych zbiorach danych oraz z przetwarzaniem w czasie zbliżonym do rzeczywistego.
• Wykształcenie wyższe w kierunku ilościowym, technicznym lub pokrewnym.

Mile widziane

• Doświadczenie w budowie i wdrażaniu rozwiązań opartych na GenAI i LLM.
• Znajomość narzędzi do budowy aplikacji analitycznych, np. Streamlit.