🤓 Machine Learning Engineer

W ramach teamu IT, do zespołu MODEL poszukujemy Machine Learning Engineer .

Twoje zadania:
. Projektowanie i programowanie modeli, najczęściej głębokich sieci neuronowych, służących do przewidywania
  zachowań i preferencji internautów
. Dostosowywanie budowanych rozwiązań do wymagań produkcyjnego systemu (m.in optymalizacja latency
  czy zużycia zasobów)
. Implementacja, dostosowywanie i usprawnianie wyników prezentowanych w najnowszych pracach naukowych
. Przeprowadzanie testów A/B nowych rozwiązań (jeśli Twój model jest lepszy, to zostaje na produkcji)
. Ciągła optymalizacja istniejących narzędzi i procesów
. Odnalezienie dla siebie takiego miejsca pomiędzy pozycją Research Scientist a Big Data Engineer, które
  najefektywniej wykorzystuje Twoje umiejętności

Przykładowe tematy:
. Wymiana modelu Field-aware Factorization Machines na model oparty o głębokie sieci neuronowe z lepszym
  wsparciem zmiennych ciągłych o różnorodnych rozkładach
. Analiza znaczenia niewykorzystywanych dotychczas informacji
. Eksperymenty z wykorzystaniem transfer learningu
. Zupełnie nowe podejście do generowania rekomendacji produktowych, które jest wolne od proxy targetów
  i wykorzystuje contrastive loss function
. Opracowanie metody optymalizacji wspierającej problemy regresyjne o różnorodnych rozkładach
. Rozbudowa modelu o nowe dane wejściowe
. Stabilizacja procesu uczenia produkcyjnego (obsługa tymczasowej niedostępności sieci, checkpointy
  i automatyczne wznawianie uczenia)
. Niskopoziomowa optymalizacja procesu uczenia i ewaluacji modeli (fast NVMe sampler for DNN training,
  CUDA FFM training + AVX FFM inference)
. Automatyczna weryfikacja poprawności i kompletności danych (wykrywanie anomalii itp.)

Wykorzystywane technologie:
. PyTorch, Torch
. Nvidia CUDA
. Python, Pandas, Numpy, Jupyter
. BigQuery, Hadoop, Crunch, Spark
. Java, Scala

Nasze wymagania:
. Zainteresowanie tematyką uczenia maszynowego, szczególnie Deep Learningiem
. Biegłość w programowaniu
. Znajomość statystyki i rachunku prawdopodobieństwa
. Umiejętność dobierania najlepszych środków do osiągnięcia założonych celów, np. poprzez elastyczne
  stosowanie języków programowania, frameworków, narzędzi itp.
. Chęć do eksperymentowania i wyciągania wniosków

Dodatkowymi atutami będą
. Bardzo dobra znajomość zagadnień związanych z sieciami neuronowymi i Deep Learningiem od strony
  teoretycznej i wykorzystania w praktyce
. Praktyczna znajomość wybranych frameworków takich jak Torch, PyTorch, czy TensorFlow
. Doświadczenie w programowaniu z użyciem GPU
. Znajomość wybranych technologii Big Data takich jak: Hadoop, Crunch, Spark czy Google Big Query
. Znajomość podstawowych zagadnień (typowych problemów i metod ich rozwiązywania) z obszarów:
  high availability, high performance i high scalability

W zamian oferujemy:
. Bardzo atrakcyjne wynagrodzenie
. Pracę w zespole pasjonatów posiadającym doświadczenie w uczeniu maszynowym, którzy z chęcią dzielą się
  swoją wiedzą i umiejętnościami
. Wyjątkowo elastyczne warunki pracy – pracujesz kiedy Ci wygodnie i poświęcasz tyle czasu, ile możesz;
  w dużej części możesz pracować zdalnie
. Sprzęt i oprogramowanie, jakiego potrzebujesz
. Możliwość publikacji swoich wyników
. Dostęp do najnowocześniejszych technologii i możliwość realnego wykorzystywania ich w projekcie o dużej
  skali i wysokiej dynamice
. Możliwość wykorzystania posiadanej wiedzy i kompetencji w praktycznych zastosowaniach – przy optymalizacji algorytmów      obsługujących setki milionów internautów i kupujących miesięcznie miliardy
  odsłon reklamowych w modelu RTB, bazując na obszernych zbiorach danych
. Efekty Twojej pracy widoczne od razu w wynikach biznesowych firmy

Dodatkowo zamieszczamy link do naszego FAQ, gdzie znajdują się: stawki, informacje odnośnie firmy, stylu pracy, pracy zdalenj ect.

http://techblog.rtbhouse.com/files/FAQ.pdf