AI/ML Engineer – Remote in Warsaw

Catena to uniwersalne API dla danych telematycznych floty. Umożliwiamy ubezpieczycielom, faktorom, dostawcom TMS, brokerom, fintechom i platformom freight-tech jedną integrację do uzyskania dostępu do danych pojazdów przewoźników z każdego głównego dostawcy ELD i telematyki, zastępując dziesiątki jednorazowych połączeń. Przewoźnicy przystępują poprzez szybki, uprawniony proces, a nasi klienci natychmiast otrzymują ustandaryzowane, dane w czasie rzeczywistym na czystej, znormalizowanej warstwie.

Jesteśmy w trakcie rekrutacji na stanowisko AI/ML Engineer, aby rozwijać inteligencję platformy Catena.

Obowiązki:

• Normalizacja danych telematycznych: Budowanie i skalowanie pipeline'ów ML do pobierania, czyszczenia i normalizacji chaotycznych, wysokoczęstotliwościowych danych szeregów czasowych z różnych dostawców ELD i sieci czujników pojazdów.
• Modelowanie geospatialne i szeregów czasowych: Wykorzystanie śledzenia geospatialnego i prognozowania szeregów czasowych do wydobywania użytecznych informacji z milionów codziennych punktów danych (np. dynamiczne ETAs, optymalizacja tras, ocena bezpieczeństwa kierowców).
• Wykrywanie anomalii i oszustw: Opracowywanie i wdrażanie algorytmów do identyfikacji anormalnych zachowań, oszustw lokalizacyjnych lub nieregularnych odchyleń tras, aby chronić brokerów, firmy factoringowe i tablice ładunkowe przed oszustwami transportowymi.
• Analiza predykcyjna: Architektura modeli do predykcyjnej konserwacji, inteligentnego dyspozytora i oceny ryzyka poprzez syntezę historycznych rekordów, danych godzin pracy (HOS) i danych telematycznych w czasie rzeczywistym.
• Wnioskowanie w czasie rzeczywistym i MLOps: Optymalizacja opóźnienia modelu i przepustowości, aby zapewnić, że funkcje predykcyjne i wzbogacenia danych są dostarczane bezproblemowo przez niskolatencyjne API Catena bez pogarszania wydajności systemu.
• Współpraca międzyfunkcjonalna: Ścisła współpraca z inżynierami backendowymi i zespołami produktowymi w celu integracji mikroserwisów ML w rdzeniu infrastruktury Catena i wprowadzenia nowych produktów danych na rynek.

Wymagania i technologia:

• Doświadczenie: 5+ lat doświadczenia zawodowego w budowaniu, wdrażaniu i utrzymywaniu modeli uczenia maszynowego w środowiskach produkcyjnych.
• Ekspertyza w ML: Głębokie doświadczenie w prognozowaniu szeregów czasowych, analizie danych geospatialnych, wykrywaniu anomalii oraz klasycznych algorytmach uczenia maszynowego (np. XGBoost, Random Forests, techniki klastrowania).
• Inżynieria danych o wysokiej prędkości: Udowodniona zdolność do pracy z danymi strumieniowymi o dużej skali i wysokiej przepustowości (IoT, pingi GPS, dane czujników) oraz rozproszonymi ramami przetwarzania.
• Inżynieria oprogramowania: Biegłość w Pythonie na poziomie produkcyjnym, silne nawyki projektowania API (np. FastAPI, Pydantic), programowanie obiektowe oraz solidne praktyki testowania automatycznego.
• Podstawy MLOps: Doświadczenie w zakresie wdrażania modeli, konteneryzacji (Docker), narzędzi monitorujących i infrastruktury chmurowej (AWS).
• Języki: Python (Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow), SQL.
• Infrastruktura danych: PostgreSQL (PostGIS dla danych geospatialnych), Apache Kafka / Kinesis (do strumieniowej telematyki), Redis, Snowflake, AWS CDK (Python).
• MLOps i chmura: Docker, AWS (SageMaker, ECS, S3), GitHub Actions.

Preferowane:

• Doświadczenie w telematyce, IoT, logistyce, fintech lub danych ubezpieczeniowych — wszędzie tam, gdzie dane mają fizyczną prawdę świata i ktoś podejmuje decyzję finansową na ich podstawie.
• Dane szeregów czasowych lub geospatialne w skali: geofencing, dopasowywanie map, wnioskowanie o podróżach i postojach, indeksowanie H3 lub podobne.
• Wzorce udostępniania danych i dostarczania wielo-najemcy: udostępnienia Snowflake, izolacja poświadczeń na najemcę, dostęp ograniczony zgodą.
• Doświadczenie w budowaniu przeciwko wielu interfejsom API stron trzecich jednocześnie, gdzie nie kontrolujesz ani schematu, ani dostępności.
• Praca w środowisku SOC 2 lub pomoc w osiągnięciu tego celu przez firmę.

Dlaczego Catena, dlaczego teraz:

• Startup na wczesnym etapie: wysoka odpowiedzialność, realny wpływ i miejsce przy stole.
• Bezpośrednia współpraca z kierownictwem i możliwość wyrażenia swojego zdania na temat kierunku produktu i API.
• Bycie techniczną autorytetą, na którą polegają klienci, oraz pomoc w budowaniu funkcji inżynierii sprzedaży od podstaw.
• Środowisko przyjazne pracy zdalnej.

Catena pozyskała 8,25 miliona dolarów od Shaper Capital, Floating Point, Plug and Play, Liquid 2 oraz wiodących aniołów branżowych. Klienci już korzystają z naszych usług w produkcji, w tym nowoczesne platformy TMS (Mastery, Optym), duże biura brokerskie oraz średnie i duże bezpośrednie przewoźniki operujące 100–1,000+ ciężarówkami. Wielu z nich jest również inwestorami.

Wynagrodzenie: Konkurencyjna pensja, pełne świadczenia, akcje i dopasowanie 401k. Tylko USA, brak dostępnych sponsorów. Okazjonalne podróże na spotkania zespołowe.