return to list

馃 Machine Learning Engineer

18 000 - 22 000 PLN net

馃實 RTB House S.A. | Niepodleg艂o艣ci 69, Warszawa

馃枼 http://www.rtbhouse.com

馃憠 Requirements:

  • Python 馃敻馃敻馃敻馃敻
  • PyTorch 馃敻馃敻馃敻
  • Pandas 馃敻馃敻馃敻
  • Hadoop 馃敻馃敻馃敻
  • Torch 馃敻馃敻
  • Java 馃敻馃敻
  • BigQuery 馃敻馃敻
  • 馃憠 Nice to have:

  • Nvidia CUDA 馃敻
  • numpy 馃敻
  • Jupyter 馃敻
  • W ramach teamu IT, do zespo艂u MODEL poszukujemy Machine Learning Engineer .

    Twoje zadania:

    . Projektowanie i programowanie modeli, najcz臋艣ciej g艂臋bokich sieci neuronowych, s艂u偶膮cych do przewidywania
      zachowa艅 i preferencji internaut贸w
    . Dostosowywanie budowanych rozwi膮za艅 do wymaga艅 produkcyjnego systemu (m.in optymalizacja latency
      czy zu偶ycia zasob贸w)
    . Implementacja, dostosowywanie i usprawnianie wynik贸w prezentowanych w najnowszych pracach naukowych
    . Przeprowadzanie test贸w A/B nowych rozwi膮za艅 (je艣li Tw贸j model jest lepszy, to zostaje na produkcji)
    . Ci膮g艂a optymalizacja istniej膮cych narz臋dzi i proces贸w
    . Odnalezienie dla siebie takiego miejsca pomi臋dzy pozycj膮 Research Scientist a Big Data Engineer, kt贸re
      najefektywniej wykorzystuje Twoje umiej臋tno艣ci

    Przyk艂adowe tematy:
    . Wymiana modelu Field-aware Factorization Machines na model oparty o g艂臋bokie sieci neuronowe z lepszym
      wsparciem zmiennych ci膮g艂ych o r贸偶norodnych rozk艂adach
    . Analiza znaczenia niewykorzystywanych dotychczas informacji
    . Eksperymenty z wykorzystaniem transfer learningu
    . Zupe艂nie nowe podej艣cie do generowania rekomendacji produktowych, kt贸re jest wolne od proxy target贸w
      i wykorzystuje contrastive loss function
    . Opracowanie metody optymalizacji wspieraj膮cej problemy regresyjne o r贸偶norodnych rozk艂adach
    . Rozbudowa modelu o nowe dane wej艣ciowe
    . Stabilizacja procesu uczenia produkcyjnego (obs艂uga tymczasowej niedost臋pno艣ci 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 poprawno艣ci i kompletno艣ci danych (wykrywanie anomalii itp.)

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

    Nasze wymagania:

    . Zainteresowanie tematyk膮 uczenia maszynowego, szczeg贸lnie Deep Learningiem
    . Bieg艂o艣膰 w programowaniu
    . Znajomo艣膰 statystyki i rachunku prawdopodobie艅stwa
    . Umiej臋tno艣膰 dobierania najlepszych 艣rodk贸w do osi膮gni臋cia za艂o偶onych cel贸w, np. poprzez elastyczne
      stosowanie j臋zyk贸w programowania, framework贸w, narz臋dzi itp.
    . Ch臋膰 do eksperymentowania i wyci膮gania wniosk贸w

    Dodatkowymi atutami b臋d膮

    . Bardzo dobra znajomo艣膰 zagadnie艅 zwi膮zanych z sieciami neuronowymi i Deep Learningiem od strony
      teoretycznej i wykorzystania w praktyce
    . Praktyczna znajomo艣膰 wybranych framework贸w takich jak Torch, PyTorch, czy TensorFlow
    . Do艣wiadczenie w programowaniu z u偶yciem GPU
    . Znajomo艣膰 wybranych technologii Big Data takich jak: Hadoop, Crunch, Spark czy Google Big Query
    . Znajomo艣膰 podstawowych zagadnie艅 (typowych problem贸w i metod ich rozwi膮zywania) z obszar贸w:
      high availability, high performance i high scalability

    W zamian oferujemy:
    . Bardzo atrakcyjne wynagrodzenie
    . Prac臋 w zespole pasjonat贸w posiadaj膮cym do艣wiadczenie w uczeniu maszynowym, kt贸rzy z ch臋ci膮 dziel膮 si臋
      swoj膮 wiedz膮 i umiej臋tno艣ciami
    . Wyj膮tkowo elastyczne warunki pracy 鈥 pracujesz kiedy Ci wygodnie i po艣wi臋casz tyle czasu, ile mo偶esz;
      w du偶ej cz臋艣ci mo偶esz pracowa膰 zdalnie
    . Sprz臋t i oprogramowanie, jakiego potrzebujesz
    . Mo偶liwo艣膰 publikacji swoich wynik贸w
    . Dost臋p do najnowocze艣niejszych technologii i mo偶liwo艣膰 realnego wykorzystywania ich w projekcie o du偶ej
      skali i wysokiej dynamice
    . Mo偶liwo艣膰 wykorzystania posiadanej wiedzy i kompetencji w praktycznych zastosowaniach 鈥 przy optymalizacji algorytm贸w      obs艂uguj膮cych setki milion贸w internaut贸w i kupuj膮cych miesi臋cznie miliardy
      ods艂on reklamowych w modelu RTB, bazuj膮c na obszernych zbiorach danych
    . Efekty Twojej pracy widoczne od razu w wynikach biznesowych firmy

    Dodatkowo zamieszczamy link do naszego FAQ, gdzie znajduj膮 si臋: stawki, informacje odno艣nie firmy, stylu pracy, pracy zdalenj ect.

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