Senior Machine Learning Engineer in Kraków

Jesteśmy Ocado Group i wprowadzamy światowej klasy automatyzację do zakupów online. Nasza platforma Ocado Smart Platform (OSP) łączy nowoczesną robotykę, AI i IoT w naszych zaawansowanych centrach realizacji zamówień (CFC). Opanowaliśmy pojedyncze zamówienia, przekształcając dostawy online dla naszych globalnych partnerów. Dołącz do nas i bądź częścią zespołu, który przesuwa granice technologii detalicznej.

O zespole Smarties to zespół Data Science i inteligentnej personalizacji w ramach strumienia Ecommerce w Ocado Technology — części Ocado Smart Platform (OSP), która napędza doświadczenia zakupowe klientów. Budujemy możliwości prognozowania, rankingów i rekomendacji, które napędzają inteligentne funkcje w OSP i które zespoły produktowe integrują w podróżach skierowanych do klientów.

Naszą misją jest uczynienie rozwoju inteligentnych funkcji skalowalnym i samodzielnym. Przekształcamy trudne aspekty „inteligencji” — prognozowanie, ranking, personalizacja — w wielokrotnego użytku bloki budowlane, sprawdzone najpierw na naszych własnych produktach, aby z czasem każdy zespół produktowy mógł budować inteligentne funkcje, korzystając z naszej platformy i wsparcia.

Posiadamy i obsługujemy szerokie portfolio systemów Data Science w produkcji: personalizacja spaceru przy kasie, prognozowanie i rekomendacje zamówień, inteligencja klientów, ranking wyszukiwania i przeglądania, odkrywanie przepisów oraz pipeline danych analitycznych w sieci, który wspiera pomiar w całym Ecommerce. Jesteśmy w aktywnej fazie ewolucji — konsolidując wspólne możliwości, redukując złożoność i otwierając przestrzeń na nowe inicjatywy — jednocześnie stopniowo przechodząc w kierunku modelu platformy, w którym zespoły produktowe budują na wspólnych możliwościach Data Science.

Podstawą tego wszystkiego jest jakość danych. Inteligentne funkcje są tak dobre, jak dane, które je wspierają. Traktujemy niezawodne, dobrze zrozumiane dane jako fundament, a nie zadanie poboczne — i aktywnie przyczyniamy się do podnoszenia tego standardu w całym Ecommerce.

W Ecommerce jest również naprawdę dobre miejsce, aby być inżynierem technicznym w tej chwili. Praktycznie wzdłuż całej linii raportowania znajdziesz ludzi z silnym zapleczem technicznym, którzy dzielą wizję tego, jak wygląda nowoczesny rozwój oprogramowania — w tym jak narzędzia AI i asystenci kodowania zmieniają to, co oznacza wysokiej jakości inżynieria w praktyce. Ta perspektywa kształtuje to, jak pracujemy, w co inwestujemy i jak rozwijamy ludzi.

Cel pracy

Starszy inżynier ML w Smarties wnosi perspektywę inżynieryjną do zespołu cross-craft: podnosząc poprzeczkę w zakresie budowy systemów ML, a nie tylko ich wydajności. Oznacza to promowanie najlepszych praktyk branżowych w całym cyklu życia ML — od eksperymentowania i projektowania modeli po serwisowanie, monitorowanie i zarządzanie kosztami — oraz przekładanie tej wiedzy na systemy, które są niezawodne, testowalne, skalowalne i łatwe w utrzymaniu w produkcji. Rola ta wiąże się z prawdziwą odpowiedzialnością: za systemy, decyzje, które za nimi stoją, oraz ich długoterminowe zdrowie. Oczekujemy kogoś, kto śledzi, jak pole się rozwija, wie, kiedy przyjąć nowe rozwiązania, a kiedy się wstrzymać, i aktywnie kształtuje sposób, w jaki zespół buduje — nie tylko to, co buduje.

Kluczowe obowiązki:

• Wpływ - Bądź osobą z pozytywnym wpływem
  • Aktywnie ucz, coachuj i twórz możliwości dla innych, aby dzielili się i rozwijali swoją wiedzę — zarówno w zespole, jak i w całej organizacji.
  • Działaj jako lider techniczny i konsultant w dziedzinie ML w obszarze zespołu, podnosząc jakość definicji i rozwiązywania problemów ML.
  • Pracuj w obrębie granic rzemiosła: skutecznie współpracuj z naukowcami danych i inżynierami oprogramowania, pomagając zespołowi funkcjonować jako jedna jednostka cross-craft, a nie równoległe silosy.
  • Promuj realistyczne zobowiązania na poziomie zespołu; otwarcie dziel się kompromisami, niepewnościami i ryzykiem technicznym.
  • Reprezentuj myślenie ML w rozmowach z menedżerami produktów, analitykami danych i zespołami inżynieryjnymi.
• Wykonanie i dostawa - Uzyskaj wartość z drzwi
  • Weź odpowiedzialność za pełny cykl życia ML — od formułowania problemu i eksploracji danych po szkolenie, ocenę, wdrożenie i monitorowanie (MLOps) — na systemach produkcyjnych, które bezpośrednio wpływają na przychody i doświadczenie klientów.
  • Podejmuj kluczowe decyzje projektowe dotyczące komponentów ML/AI w naszym portfolio, wyważając techniczne, kosztowe i produktowe implikacje w sposób jawny.
  • Podziel pracę na inkrementalne, odwracalne kroki, które dostarczają wartość wcześnie i redukują ryzyko.
  • Skutecznie radź sobie z incydentami produkcyjnymi i degradacjami, diagnozując przyczyny źródłowe i rozwiązując je w odpowiednim tempie.
  • Dostarczaj z dużą autonomią; przyczyniaj się do kierunku technicznego w zespole.
  • Przyczyniaj się zarówno do bieżącego zdrowia systemów produkcyjnych, jak i powstawania wielokrotnego użytku bloków budowlanych platformy — wyciągając z rzeczywistych problemów, a nie budując spekulatywnie.
• Wnioski - Rozwiązuj rzeczywiste problemy
  • Analizuj produkcyjne systemy ML, identyfikuj tryby awarii i wprowadzaj poprawki oparte na danych.
  • Projektuj i wdrażaj dobrze zdefiniowane eksperymenty w celu weryfikacji hipotez, od oceny offline po testy AB na żywo.
  • Poszukuj źródła problemu, który ma być rozwiązany; przetłumacz wymagania biznesowe na poprawnie określone problemy ML.
  • Proaktywnie ujawniaj spostrzeżenia oparte na danych technicznym i nietechnicznym odbiorcom.
  • Przyczyniaj się do podnoszenia standardów jakości danych w pipeline'ach zespołu — traktując niezawodne, dobrze zrozumiane dane jako fundament dla wszystkich prac ML.
• Strategia - Miej oko na przyszłość
  • Zastosuj wystarczającą wiedzę z dziedziny, aby podejmować dobre decyzje projektowe w całym portfolio ML zespołu.
  • Identyfikuj możliwości uproszczenia systemu na żywo — redukując obciążenie wsparcia, kompresując koszty i budując dźwignię (na przykład zastępując kilka dostosowanych modeli jednym konfigurowalnym silnikiem).
  • Zastosuj odpowiednie zasady testowania i minimalizacji ryzyka, szczególnie podczas pracy nad systemami mającymi bezpośredni wpływ na biznes.
  • Badanie i rozwiązywanie problemów produkcyjnych, podnosząc świadomość, gdy te wykraczają poza zespół.
  • Współpracuj z menedżerem inżynierii i liderami Data Science w zakresie kierunku technicznego platformy.
  • Zrozum potrzeby zespołów korzystających na tyle dobrze, aby zaprojektować bloki budowlane, które je obsługują, nie tworząc nowych zależności.

Wiedza, umiejętności i doświadczenie:

Wymagane:

• Inżynieria ML w produkcji: udokumentowane doświadczenie w posiadaniu pełnego cyklu życia Data Science — dane, szkolenie, ocena, wdrożenie, serwisowanie i bieżące operacje — na systemach produkcyjnych, a nie tylko prototypach. Obejmuje to monitorowanie dryfu danych, różnice w szkoleniu/serwowaniu i degradację modeli; dyscyplinę produkcyjną, a nie tylko modelowanie.
• Znajomość danych: silna wiedza na temat narzędzi przetwarzania danych — BigQuery (SQL), pandas, Dataflow lub ich odpowiedników — oraz umiejętność rozumienia jakości danych jako kwestii pierwszorzędnej.
• Podstawy ML: biegłość w zakresie uczenia nadzorowanego i nienadzorowanego, modeli rankingowych, systemów rekomendacji, metryk oceny, nadmiernego dopasowania i wyboru modeli.
• Doświadczenie z platformą chmurową: praktyczne doświadczenie z GCP (nasze główne środowisko — Vertex AI, BigQuery, Dataflow) i AWS, które są używane w całej naszej platformie.
• Python: silna znajomość Pythona w produkcji; komfort w kodzie, w którym twoje modele i usługi są wykorzystywane przez innych inżynierów.
• Liderstwo techniczne: doświadczenie w prowadzeniu projektów ML, w tym artykułowanie kompromisów i podejmowanie decyzji w zespole.
• Doświadczenie z systemami opartymi na LLM (RAG, strukturalne generowanie, ocena, zarządzanie kosztami), szczególnie na GCP/Vertex AI lub podobnych.
• Doświadczenie w budowaniu lub przyczynianiu się do wspólnej infrastruktury ML lub wewnętrznych platform (magazyny cech, warstwy serwisowe, wspólne pipeline'y).
• Znajomość systemów rekomendacji, personalizacji lub rankingu wyszukiwania na dużą skalę.
• Doświadczenie w pracy w zespole cross-craft obok inżynierów oprogramowania i naukowców danych.
• Znajomość metodologii testowania AB i platform eksperymentalnych.
• Znajomość Javy — nasza warstwa serwisowa modelu jest zbudowana na usługach Java.

Czego szukamy poza CV:

• Powaga w podejmowaniu odpowiedzialności — nie tylko za model, ale za system, dane i wynik.
• Myślenie w dźwigni — preferuje rozwiązanie, które poprawia dziesięć produktów jednocześnie, zamiast dziesięciu oddzielnych rozwiązań.
• Szczerość w obliczu niepewności — wcześnie zgłasza problemy, otwarcie dzieli się kompromisami i nie traktuje „utrzymywania świateł” jako czyjejś pracy.
• Dobra współpraca międzydyscyplinarna — potrafi projektować z naukowcem danych, przeglądać usługę z inżynierem oprogramowania i wyjaśniać decyzję ML menedżerowi produktu.
• Dbają o jakość danych — rozumieją, że inteligentne funkcje są tak dobre, jak dane, które je wspierają, i działają zgodnie z tym.

Opis tej roli podsumowuje typowe funkcje roli. Nie jest to wyczerpująca lista wszystkich możliwych obowiązków, zadań ani zadań.

Korzyści: CO DOSTANIESZ?

Praca i życie powinny się ze sobą łączyć, dlatego oferujemy szereg korzyści koncentrujących się na dobrostanie, rozwoju i duchu zespołowym. Ostateczny pakiet będzie zależał od rodzaju umowy, którą uzgodnimy.

• Standardowe korzyści: ubezpieczenie na życie, prywatna opieka zdrowotna [Luxmed], karta Multisport, bony na lunch, programy udziałowe w firmie oraz pomoc w codziennych zmartwieniach i poważnych problemach zdrowotnych.
• Możliwości nauki: dostęp do platformy Learnebly i LinkedIn Learning, zajęcia z języka angielskiego oraz biblioteka książek.
• Wsparcie rodzicielskie: dodatkowe +10 dni urlopu macierzyńskiego / +20 dni urlopu ojcowskiego, finansowanie żłobków i przedszkoli.
• Model hybrydowy: 2 dni w tygodniu w biurze i elastyczność pracy z prawie dowolnej lokalizacji przez maksymalnie 30 dni w roku.
• Udogodnienia biurowe: biura w centralnej lokalizacji z parkingiem dla samochodów i rowerów oraz sprzętem do pracy zdalnej.
• Rozwój kariery: jasna ścieżka kariery z możliwościami rotacji między projektami, zespołami, dziedzinami i rolami pod kierunkiem wysoko wykwalifikowanych starszych kolegów.
• Społeczność mówców: szkolenie w zakresie publicznych wystąpień i wsparcie w przygotowywaniu prezentacji na konferencje lub spotkania, w tym nasze własne spotkania Ocado Technology.
• Grupy pasji: bieganie, jazda na rowerze i inne.
• Coroczne uroczystości: karnawał, letnie imprezy, pikniki rodzinne lub dni dla dzieci.

W Ocado Technology zawsze eksplorujemy, uczymy się i wdrażamy nowe inicjatywy, a także chętnie dzielimy się historiami, spostrzeżeniami i doświadczeniami z Tobą. Poznaj naszych członków zespołu podczas spotkań.

Nie możesz znaleźć tego, czego szukasz, lub nie jesteś gotowy na zmianę? Dołącz do naszej społeczności talentów, aby być na bieżąco z wiadomościami i wydarzeniami Ocado Group, będziesz również pierwszą osobą, która dowie się o nowych możliwościach - zanim zostaną opublikowane.