Machine Learning Engineer

Machine Learning Engineer

Praca zdalna

O projekcie:

Centrum Respo, dynamicznie rozwijająca się firma dietetyczno-technologiczna, poszukuje do swojego zespołu utalentowanego i zaangażowanego Specjalisty z zakresu uczenia maszynowego. Jeśli jesteś pasjonatem technologii, entuzjastycznie podchodzisz do pracy w zespole oraz chcesz mieć realny wpływ na rozwój innowacyjnych rozwiązań w branży zdrowego odżywiania, to ta oferta jest dla Ciebie!

Jako Machine Learning Engineer w Centrum Respo będziesz odpowiedzialny za projektowanie, rozwijanie oraz wdrażanie modeli uczenia maszynowego.

Zakres Twoich obowiązków będzie obejmował opracowywanie skutecznych strategii uczenia maszynowego. Współpracując z zespołem programistów, będziesz opracowywał metody integracji modeli ML/AI z istniejącymi systemami firmowymi.

Jak wygląda rekrutacja?

1. Rozmowa rekrutacyjna z HR
2. Spotkanie rekrutacyjne z przyszłym przełożonym oraz rozmowa techniczna z elementami pisania kodu
3. Spotkanie rekrutacyjne z CTO

Zakres obowiązków:

• Projektowanie i budowa modeli uczenia maszynowego
• Optymalizacja algorytmów
• Analiza danych statystycznych
• Udział w testach i wdrażaniu opracowanych rozwiązań
• Współtworzenie strategii biznesowych z wykorzystaniem sztucznej inteligencji

Wymagania:

• Przynajmniej 3 lata doświadczenia na podobnym stanowisku
• Bardzo dobra znajomość języka programowania Python oraz jego najpopularniejszych bibliotek (scipy, numpy, pandas, scikit)
• Znajomość min. jednej z technologii: pyTorch, keras, tensorflow
• Doświadczenie w obszarach uczenia maszynowego, w szczególności NLP i LLM
• Umiejętność pracy z bazami danych SQL
• Podstawowa znajomość systemu kontroli wersji GIT
• Znajomość języka angielskiego na poziomie min. C1
• Znajomość języka polskiego na poziomie biegłym/ native
• Wykształcenie na poziomie Mgr lub Dr będzie dodatkowym atutem
• Otwartość na zmiany, proaktywność, komunikatywność oraz chęć do współpracy
• Mile widziana znajomość: Tableau lub podobne narzędzie BI, DBT, Airbyte, RedShift