Founding Machine Learning Engineer in Katowice

Dołącz do Whizdom.ai jako Inżynier Uczenia Maszynowego, aby zaprojektować i zbudować rdzeń inteligencji stojący za wszystkim, co tworzy firma. Whizdom AI to startup zajmujący się sztuczną inteligencją, który buduje produkty związane z systemami rekomendacji, personalizacją i agentami GenAI. Jesteśmy małym zespołem pracującym bezpośrednio nad rzeczywistymi problemami klientów, szybko wprowadzając rozwiązania, mierząc wyniki i szybko iterując. Każdy z nas jest zobowiązany do przejmowania odpowiedzialności, proaktywnego poprawiania systemów i pomagania w budowaniu fundamentów inżynieryjnych, na których firma będzie się rozwijać.

Jako Inżynier Uczenia Maszynowego będziesz odpowiedzialny za warstwę inteligencji produktów Whizdom AI. Będziesz projektować, budować i poprawiać modele oraz systemy decyzyjne stojące za rekomendacjami, rankingiem, personalizacją, wyszukiwaniem, zachowaniem agentów oraz wybranymi przypadkami użycia analityki predykcyjnej. Będziesz współpracować bezpośrednio z założycielami, aby przekształcać niejasne pomysły produktowe w systemy produkcyjne, które przynoszą wymierną wartość dla klientów. W zespole tej wielkości jest to rola end-to-end: możesz zajmować się eksploracją danych, modelowaniem, oceną, eksperymentowaniem i iteracją produkcyjną w tym samym tygodniu. To nie jest czysta rola badawcza. Zależy nam na osobach, które potrafią przejść od danych i hipotez do wdrożonych systemów i wpływu na biznes.

Co będziesz robić:

• Projektować, budować i poprawiać systemy ML dla rekomendacji, rankingu, personalizacji, wyszukiwania i przepływów pracy GenAI;
• Przekształcać cele produktowe w konkretne problemy ML, plany oceny, eksperymenty i wdrożone funkcje;
• Pracować z danymi behawioralnymi, transakcyjnymi, kontekstowymi i niestrukturalnymi, aby identyfikować sygnały i poprawiać jakość modeli;
• Budować ramy oceny offline i eksperymenty online, aby mierzyć trafność, jakość, opóźnienie, koszty i wpływ na biznes;
• Poprawiać zachowanie agenta GenAI poprzez lepsze wyszukiwanie, zarządzanie kontekstem, podpowiadanie, użycie narzędzi, orkiestrację i ocenę;
• Badanie trybów awarii, przeprowadzanie analizy błędów i podejmowanie praktycznych kompromisów między jakością, niezawodnością, szybkością a złożonością;
• Ściśle współpracować z inżynierami platformy i backendu, aby wdrażać, monitorować i iterować modele w produkcji;
• Pomagać w definiowaniu, jak Whizdom AI prowadzi ML: metryki, dyscyplina eksperymentacji, standardy techniczne i kierunek długoterminowy;
• Pracować z sygnałami behawioralnymi i transakcyjnymi w czasie rzeczywistym, aby poprawić rekomendacje, personalizację i inteligentne zachowanie produktów;
• Przyczyniać się do przypadków użycia ML opartych na predykcji i wnioskach, takich jak segmentacja, przewidywanie odpływu, pomiar rekomendacji i ranking możliwości;
• Pisać czysty, testowalny kod w Pythonie i przyczyniać się do komponentów ML oraz wspólnych bibliotek używanych w całej platformie.

Jak wygląda sukces w pierwszych 6 miesiącach:

• Wprowadzasz znaczące ulepszenia do przepływu pracy rekomendacji, personalizacji lub GenAI używanego w produkcji;
• Ustalasz praktyczną ramę oceny dla jednego lub więcej podstawowych systemów ML;
• Przekształcasz niejasne możliwości produktowe w jasne eksperymenty i solidne decyzje techniczne;
• Poprawiasz przynajmniej jedną metrykę, która ma znaczenie, taką jak trafność, ukończenie zadania, konwersja, retencja, opóźnienie lub efektywność kosztowa;
• Stajesz się zaufanym właścicielem, który dostrzega wysokowydajne możliwości ML i napędza je do przodu bez potrzeby szczegółowych instrukcji;
• Pomagasz ustanowić powtarzalne podejście do eksperymentacji, iteracji modeli i rozwoju ML o jakości produkcyjnej w Whizdom AI.

Czego szukamy:

• Silne podstawy w uczeniu maszynowym, statystyce, informatyce lub podobnej dyscyplinie ilościowej;
• Doświadczenie w budowaniu i wdrażaniu systemów ML lub inteligentnych funkcji produktowych w środowiskach produkcyjnych lub bliskich produkcji;
• Silne umiejętności w Pythonie i komfort w pracy z danymi, modelowaniem, oceną i współpracą w produkcji;
• Dobre zrozumienie eksperymentacji, oceny modeli, inżynierii cech, jakości danych i analizy błędów;
• Jasna komunikacja i umiejętność radzenia sobie z chaotycznymi, niejasnymi problemami produktowymi;
• Wysoka odpowiedzialność, samodzielność i silna skłonność do działania;
• 5+ lat doświadczenia w budowaniu i wdrażaniu systemów ML lub inteligentnych funkcji produktowych w produkcji;
• Silne zrozumienie oceny modeli, walidacji krzyżowej, inżynierii cech i wyzwań związanych z jakością danych w rzeczywistych środowiskach;
• Doświadczenie w pracy z dużymi zbiorami danych behawioralnych, transakcyjnych lub kontekstowych;
• Silne nawyki inżynieryjne, w tym pisanie czystego, testowalnego, łatwego w utrzymaniu kodu w Pythonie.

Miłe do posiadania:

• Doświadczenie z systemami rekomendacji, rankingiem, wyszukiwaniem, personalizacją lub optymalizacją rynku/feed;
• Doświadczenie z aplikacjami LLM, RAG, agentami GenAI, iteracją podpowiedzi lub oceną systemów GenAI;
• Doświadczenie w przeprowadzaniu testów A/B lub eksperymentów online;
• Doświadczenie w bliskiej współpracy z zespołami produktowymi i tłumaczeniu problemów użytkowników na rozwiązania ML;
• Doświadczenie z ML w czasie rzeczywistym, funkcjami strumieniowymi, niskim opóźnieniem wnioskowania lub uczeniem online;
• Doświadczenie z inferencją przyczynową, modelowaniem wzrostu, wieloma uzbrojonymi bandytami lub innymi metodami optymalizacji decyzji;
• Znajomość infrastruktury ML w chmurze, wdrożeń kontenerowych i procesów MLOps;
• Doświadczenie w iGaming, fintech, e-commerce lub innej dziedzinie z dużymi danymi transakcyjnymi i behawioralnymi;
• Doświadczenie z przypadkami użycia analityki predykcyjnej, takimi jak segmentacja, zapobieganie odpływowi, modelowanie LTV lub priorytetyzacja możliwości.

Notka dotycząca dopasowania: Nie musisz spełniać każdego punktu, aby aplikować. Bardziej zależy nam na szybkości uczenia się, osądzie technicznym i dowodach na to, że potrafisz wdrażać trudne rzeczy niż na idealnym pokryciu słów kluczowych czy pedigree.

Dlaczego warto dołączyć:

• Bezpośredni dostęp do założycieli i realny wpływ na kierunek platformy i inżynierii;
• Rola z wysoką odpowiedzialnością, z możliwością kształtowania fundamentów produkcji firmy od samego początku;
• Możliwość pracy nad systemami stojącymi za silnikami rekomendacji i produktami GenAI, które faktycznie używają klienci;
• Elastyczne środowisko zdalne z preferowanym silnym pokryciem stref czasowych w Europie;
• Mały zespół, niska biurokracja i dużo miejsca na rozwój.