Machine Learning Engineer

Opis oferty: 

Fastr.ai to startup z Doliny Krzemowej, który opracowuje technologię opartą na sztucznej inteligencji, umożliwiającą pracodawcom znalezienie najlepiej wykwalifikowanych kandydatów za pomocą jednego kliknięcia, co znacząco usprawnia proces rekrutacji. Wykorzystując modele uczenia maszynowego, porównujemy i rankingujemy kandydatów, dopasowując ich do ofert pracy, a także zapewniamy inne funkcjonalności, jak ekstrakcja kluczowych danych kandydata, jego doświadczenie i umiejętności.

Jest to oferta pracy na pełen etat, w pełni zdalna, posiadamy jednak biuro w Krakowie, gdybyś potrzebował przestrzeni biurowej do pracy lub chciał spotkać się z innymi współpracownikami. Pracujemy w małych zespołach o płaskiej strukturze, gdzie wspólnie ustalamy priorytety i podział zadań, konsultując i omawiając postępy podczas cotygodniowych spotkań z Product Ownerami (prowadzonymi w języku angielskim).

O stanowisku:

Do naszego zespołu poszukujemy ML Engineera z doświadczeniem we wdrażaniu modeli uczenia maszynowego (głównie modeli językowych) w środowisku produkcyjnym. Jako kluczowy członek zespołu będziesz miał bezpośredni wpływ na dostarczany przez nas produkt, zaczynając od projektu rozwiązania, poprzez jego implementację i wdrożenie, po monitorowanie działania i aplikowanie usprawnień. Jako ML Engineer w FastR, będziesz:

• Tworzyć stabilną i skalowalną architekturę opartą na mikroserwisach, wykorzystując relacyjne bazy danych i bazy wektorowe; oraz rozwijał i utrzymywał jej ML-ową część;
• Współpracować z Data Scientistami, Backend- i Frontent Developerami w celu wdrożania modeli ML do środowiska produkcyjnego i zastosowania ich w oferowanym produkcie;
• Obsługiwać środowiska dockerowe, a także definiować i implementować data pipelines w celu zapewnienia spójności między środowiskiem deweloperskim i produkcyjnym, oraz reprodukowalności eksperymentów i operacji;
• Tworzył czysty i zrozumiały kod produkcyjny, debuggował, i rozwiązywał złożone problem samodzielnie lub w zespole;
• Zarządzał zasobami i optymalizował koszty wykorzystywanych rozwiązań chmurowych.

Nasze oczekiwania: 

• 2+ lata doświadczenia we wdrażaniu modeli uczenia maszynowego w środowisku produkcyjnym;
• Bardzo dobra znajomość języka programowania Python i dedykowanych mu narzędzi – znajomość bibliotek uczenia maszynowego (jak pytorch czy tensorflow), asynchronicznego wysyłania i przetwarzania zapytań (fastapi, asyncio), testowania, oraz innych bibliotek wspierających „czyste” programowanie (ruff, pre-commit, pip-tools);
• Praktyczna znajomość praktyk ML-Ops, najlepiej w połączeniu z usługami Azure (Azure Machine Learning Studio, Azure DevOps, Azure pipelines, Azure deployments) 
• Znajomość narzędzi kontroli wersji (Git), przykładanie uwagi do czystego i zrozumiałego kodu, implementacja testów (unit, integration, performance testing);
• Znajomość technologii konteneryzacji (Docker, Kubernetes);
• Chęć rozwoju w zakresie uczenia maszynowego, szczególnie w obszarze przetwarzania języka naturalnego (NLP);
• Doświadczenie w projektach end-to-end, od ich definicji, poprzez implementację i wdrożenie, testowanie, po monitoring (Prometheus, Datadog);
• Kreatywność, umiejętność rozwiązywania problemów oraz priorytetyzacji zadań;
• Dyplom studiów wyższych z dziedziny informatyki lub pokrewnym;
• Bardzo dobra znajomość języka angielskiego, w mowie i piśmie.

Super, jeśli: 

• Masz doświadczenie z ustrukturyzowanymi i nieustrukturyzowanymi danymi, a także bazami wektorowymi;
• Znasz SQL i umiesz tworzyć zapytania, aby wyciągnąć z bazy potrzebne informacje i interesujące podsumowania;
• Masz doświadczenie w optymalizacji i redukcji czasu inferencji modeli NLP;
• Znasz Redis, RedisInsight.

Jeśli jesteś zainteresowana/-y i chciałbyś dołączyć do naszego teamu, wyślij do nas swoje CV w języku angielskim.