Machine Learning Specialist

INFORMACJE O PROJEKCIE:

• Branża: bankowość
• Lokalizacja: zdalnie lub hybryda (Warszawa lub Łódź)
• Współpraca typu: B2B
• Start: ASAP 
• Czas trwania: projekt długoterminowy
• Stawka: do 180zł/h netto + VAT 

Wymagania:

• Wiedza teoretyczna dotycząca działania, tworzenia i testowania modeli uczenia maszynowego i rozwiązań sztucznej inteligencji
• Znajomość podstawowych paradygmatów uczenia maszynowego (uczenie ze wzmocnieniem, nadzorowane, nienadzorowane), algorytmów (m.in. drzewa decyzyjne; SVM; sieci neuronowe – w tym architektury sieci głębokich, konwolucyjnych, RNN, architektura transformer, oraz metody ich uczenia; gradient boosting i in.),
• Znajomość metod ewaluacji jakości algorytmów uczenia maszynowego (AUR, AUC, tworzenie macierzy pomyłek, miary precyzji, zupełności i in.),
• Znajomość metod przygotowywania i pielęgnacji zbiorów danych w uczeniu maszynowym, ML workflow (w tym dyskretyzacja, regularyzacja, metody redukcji wymiarowości, wizualizacja)

Znajomość narzędzi informatycznych:

• Wymagana praktyczna umiejętność programowania w języku Python, pożyteczna znajomość innych języków używanych w budowaniu modeli ML i Data Science (R, Scala, C++, Java, Julia). Z racji uwarunkowań bankowych być może przydatna choć ogólna znajomość SAS.
• Praktyczna znajomość podstawowych narzędzi informatycznych wykorzystywanych w praktyce data science (Git, SQL, Spark/PySpark, Jupyter, wybrane narzędzia wizualizacji np. D3, Seaborn, matplotlib).
• Znajomość środowiska Linux oraz narzędzi konteneryzacji i pokrewnych (np. Docker, Kubernetes)
• Znajomość bibliotek uczenia maszynowego i obróbki danych (w tym – praktyczna znajomość wybranych, ale przede wszystkim ogólna orientacja w ekosystemie narzędzi, pozwalająca ocenić ich możliwości vs. rozwiązanie konkretnych problemów biznesowych) – Tensorflow, Langchain, Pandas, NumPy, Scikit-Learn, PyTorch, XGBoost.
• Przydatna znajomość NLTK i spaCy
• Umiejętność korzystania (i znajomość obecnej oferty dostawców) z narzędzi chmurowych, wykorzystywanych do tworzenia rozwiązań AI/ML (Amazon AWS / MS Azure / Google GCP – wraz z dedykowanymi dla danego środowiska rozwiązaniami AI/ML) - dodatkowy atut
• Znajomość rozwiązań typu BI klasy enterprise (oznacza znajomość ekosystemu MS PowerBI / MS Fabric)
• Ogólna znajomość możliwości i ograniczeń stwarzanych przez duże modele językowe, orientacja w ofercie komercyjnej (OpenAI / Google) oraz OpenSource / free to use(Mistral, Llama, Gemma).
• .NET - nice to have

 MOŻEMY CI ZAOFEROWAĆ:

• Stałe wsparcie naszego konsultanta na etapie procesu rekrutacyjnego oraz w trakcie współpracy.
• Atrakcyjne wynagrodzenie w modelu B2B uzależnione od posiadanych kompetencji i doświadczenia.
• Program rekomendacji.
• Aplikację mobilną emagine – łatwe raportowanie czasu pracy, szybki dostęp do nowych ofert.