ML Engineer in Fintech in Warsaw

InPost Pay buduje swoją własną platformę fintech od podstaw. To duża, międzynarodowa inicjatywa, w której inżynierowie będą mieli możliwość kształtowania architektury, budowania kluczowych komponentów fintech oraz tworzenia rozwiązań zaprojektowanych do działania na skalę InPost.

Zakres obowiązków:

• Iteracja modelu agentowego (eksperymentowanie, ocena, ponowne trenowanie, promowanie).
• Monitorowanie i obserwowalność modelu agentowego (dryft, stabilność, wydajność), oparte na feature store.
• Projektowanie pętli agenta i grafu oraz zapewnienie ich niezawodności i kontroli kosztów.
• Walidacja i backtesting modelu agentowego.
• Budowanie pętli agentowych, które replikują i testują modele oraz produkują pakiety dowodowe do niezależnej oceny.
• Budowanie i wdrażanie modeli oceny kredytowej i underwriting dla sprzedawców od początku do końca: inżynieria cech, trening, walidacja, wdrożenie i monitorowanie po produkcji.
• Współpraca z Data Engineering w zakresie umów źródłowych i SLA świeżości.
• Projektowanie i obsługa pętli agenta i grafu (kontekst, narzędzia, oceny, zabezpieczenia) w celu zapewnienia niezawodności, obserwowalności i kontroli kosztów dostarczania agentowego.
• Wdrażanie i obsługa modeli z wykorzystaniem narzędzi MLOps: wersjonowanie, CI/CD dla modeli oraz wdrożenie champion/challenger lub shadow.
• Monitorowanie modeli produkcyjnych pod kątem dryftu, stabilności i degradacji wydajności.
• Projektowanie modeli w sposób wyjaśnialny i zgodny z regulacjami.
• Dokumentowanie cech, decyzji i dowodów walidacji w celu wsparcia oceny zdolności kredytowej CCD2 i przeglądu audytowego.
• Budowanie i uruchamianie systemu walidacji i backtestingu wewnątrz pipeline MLOps.
• Produkcja pakietów dowodowych gotowych do audytu do niezależnej oceny.
• Budowanie eksperymentu, oceny, ponownego trenowania i promowania w rejestrze modeli i warstwie serwującej.

Wymagania:

• Ktoś, kto uwielbia budować systemy ML, które działają w produkcji i podczas audytu.
• Doświadczenie w zastosowanej ML na dużą skalę, obejmujące cały cykl życia: inżynieria cech, trening, walidacja, wdrożenie i monitorowanie.
• Umiejętności w metodologii walidacji modeli: backtesting, stabilność populacji (PSI), dyskryminacja (Gini/KS), kalibracja.
• Doświadczenie w MLOps i monitorowaniu produkcji: wersjonowanie modeli, CI/CD, champion/challenger i shadow deployment, wykrywanie dryftu i automatyczne powiadamianie.
• Umiejętności w inżynierii cech punktowych i wzorcach konsumpcji feature-store.
• Znajomość technik wyjaśnialności (SHAP/LIME) i dokumentacji dla defensywności regulacyjnej.
• Biegłość w Pythonie i SQL, z użyciem Spark/Databricks do treningu i serwowania modeli na dużą skalę.
• Doświadczenie z zaawansowanymi narzędziami agentowymi oraz inżynierią pętli i grafu: projektowanie kontekstu i narzędzi, zabezpieczenia, projektowanie ocen z audytowalnymi wynikami.
• Solidna wiedza na temat LLM.
• Umiejętność współpracy i podnoszenia standardów poprzez wpływ.
• Biegłość w języku angielskim (B2+).

Preferencje:

• Doświadczenie w walidacji modeli lub niezależnym przeglądzie.
• Wymagania regulacyjne CCD2 / dotyczące oceny zdolności kredytowej.
• Underwriting dla Merchant Cash Advance (MCA) i dane ryzyka sprzedawcy.
• Modelowanie wykrywania oszustw (np. bust-out, oszustwo pierwszej strony).
• Modelowanie IFRS 9 / prognozowanie strat kredytowych.
• Serwowanie modeli w czasie rzeczywistym o niskiej latencji.

Warunki:

• Greenfield, wysokie stawki.
• Strategiczny wpływ na to, jak AI-native ML jest realizowane w InPost.
• Nowoczesny stos technologiczny i zwinny, zespołowy zespół AI-native.
• Możliwość eksperymentowania z nowymi technologiami, w tym narzędziami AI, i wprowadzania ich do produkcji.
• Współpraca w szybkim tempie, gdzie autonomia i odpowiedzialność idą w parze.
• Model hybrydowy, idealnie jeden dzień w tygodniu w biurze w Warszawie lub Krakowie.
• Oferujemy umowę B2B.