Senior Machine Learning Engineer in Warsaw

Poszukujemy doświadczonego inżyniera uczenia maszynowego na poziomie senior, który dołączy do szybko rozwijającej się międzynarodowej organizacji i przejmie odpowiedzialność za rozwój, wdrażanie oraz ciągłe doskonalenie gotowych do produkcji rozwiązań AI. Ta pozycja łączy praktyczne inżynierstwo uczenia maszynowego, architekturę MLOps oraz techniczne przywództwo, z silnym naciskiem na dostarczanie skalowalnych aplikacji AI, które generują wymierną wartość biznesową.

Będziesz prowadzić wdrażanie rozwiązań uczenia maszynowego w obszarach takich jak prognozowanie wartości klienta w czasie życia, analiza churn oraz wykrywanie oszustw, zapewniając, że modele są niezawodne, zrozumiałe i skutecznie utrzymywane przez cały ich cykl życia. Pracując blisko z zespołami inżynierii danych, produktu, ryzyka i komercji, pomożesz ustanowić solidne praktyki MLOps, poprawić zarządzanie modelami i promować zastosowanie AI w całej organizacji.

Kluczowe obowiązki:

• Projektowanie, rozwijanie, wdrażanie i utrzymywanie modeli uczenia maszynowego przez cały ich cykl życia, w tym trening, walidację, wdrożenie produkcyjne, monitorowanie i ponowne trenowanie.
• Prowadzenie rozwoju i wdrażania rozwiązań AI dla prognozowania wartości klienta, modelowania churn, wykrywania oszustw i zapobiegania nadużyciom.
• Ustanawianie i optymalizacja frameworków MLOps, w tym zautomatyzowanych pipeline'ów wdrożeniowych, procesów CI/CD, promocji środowisk i zarządzania cyklem życia modeli.
• Rozwój systemów monitorowania do śledzenia wydajności modeli, dryfu danych, jakości danych i wymiernych wyników biznesowych.
• Definiowanie i wdrażanie skutecznych strategii ponownego trenowania modeli, procedur eskalacyjnych i procesów ciągłego doskonalenia.
• Stosowanie technik wyjaśnialności modeli, w tym SHAP i atrybucji cech, aby poprawić przejrzystość i interpretowalność.
• Ustanawianie najlepszych praktyk w zakresie zarządzania modelami, dokumentacji, kontroli wersji, reprodukowalności i audytowalności.
• Współpraca z zespołami inżynierii danych w celu opracowania skalowalnych pipeline'ów danych, procesów inżynierii cech i niezawodnej infrastruktury danych.
• Praca z interesariuszami, aby przetłumaczyć wyzwania biznesowe na praktyczne, skalowalne rozwiązania AI.
• Analiza wydajności modeli produkcyjnych i wykorzystanie spostrzeżeń z monitorowania do poprawy dokładności modeli, niezawodności i wpływu na biznes.
• Zapewnienie, że rozwiązania uczenia maszynowego spełniają standardy produkcyjne dotyczące stabilności, skalowalności, łatwości utrzymania i efektywności operacyjnej.
• Zapewnienie technicznego wsparcia i mentoringu dla kolegów inżynierów, promując najlepsze praktyki w zakresie zastosowanego uczenia maszynowego i MLOps.
• Równoważenie szybkiego rozwoju MVP z długoterminową niezawodnością produkcji i skalowalnością.

Wymagania:

• 5-8+ lat doświadczenia zawodowego w rozwijaniu, wdrażaniu i utrzymywaniu modeli uczenia maszynowego w środowiskach produkcyjnych.
• Zaawansowane umiejętności programowania w Pythonie i solidne podstawy inżynierii oprogramowania.
• Solidne zrozumienie algorytmów uczenia maszynowego, technik oceny modeli, inżynierii cech i modelowania predykcyjnego.
• Praktyczne doświadczenie w rozwiązywaniu wyzwań związanych z ML w produkcji, w tym wyciekiem danych, dryfem modeli, jakością danych i stabilnością modeli.
• Doświadczenie w pracy z Apache Spark lub PySpark w celu przetwarzania dużych zbiorów danych.
• Doświadczenie w korzystaniu z MLflow lub porównywalnych platform zarządzania cyklem życia uczenia maszynowego.
• Udokumentowane doświadczenie w projektowaniu, wdrażaniu i utrzymywaniu pipeline'ów CI/CD, najlepiej z użyciem GitHub Actions.
• Zaawansowane umiejętności SQL i doświadczenie w pracy z dużymi, złożonymi zbiorami danych.
• Silne zrozumienie wdrażania modeli, monitorowania, wykrywania dryfu, ponownego trenowania i utrzymania produkcji.
• Doświadczenie w implementacji technik wyjaśnialności i interpretowalności modeli, w tym SHAP lub podobnych podejść.
• Udowodniona zdolność do dostarczania rozwiązań AI/ML, które generują wymierne poprawy komercyjne lub operacyjne.
• Zrozumienie wymagań dotyczących zarządzania modelami, wersjonowania, dokumentacji i reprodukowalności.
• Umiejętność projektowania skalowalnych, niezawodnych i łatwych w utrzymaniu architektur uczenia maszynowego.
• Silne umiejętności analityczne i rozwiązywania problemów.
• Doskonale umiejętności komunikacyjne, z umiejętnością wyjaśniania skomplikowanych koncepcji technicznych osobom nietechnicznym.
• Doświadczenie w współpracy z zespołami międzyfunkcyjnymi, w tym inżynierią danych, produktem, ryzykiem i komercją.
• Umiejętność równoważenia szybkiego rozwoju i dostarczania MVP z solidnymi praktykami inżynieryjnymi w produkcji.
• Przywódcze nastawienie z umiejętnością mentorowania kolegów, wpływania na decyzje techniczne i promowania najlepszych praktyk inżynieryjnych.
• Proaktywne, niezależne i zorientowane na wyniki podejście do dostarczania rozwiązań AI.

Korzyści:

• Konkurencyjny pakiet wynagrodzeń oparty na doświadczeniu i kwalifikacjach.
• Kompleksowe programy szkoleniowe i rozwoju zawodowego dla pracowników.
• Możliwości prowadzenia inicjatyw AI i uczenia maszynowego o wysokim wpływie.
• Ekspozycja na zaawansowane technologie uczenia maszynowego i nowoczesne praktyki MLOps.
• Międzynarodowe środowisko pracy z współpracą międzyfunkcyjną.
• Wiele wydarzeń firmowych, zespołowych i grupowych.
• Benefity urodzinowe i lojalnościowe.
• Możliwości rozwoju zawodowego i technicznego przywództwa.
• Dodatkowe benefity i zachęty dla pracowników.