Jako Senior Data Engineer / ML będziesz odpowiedzialny za kompleksowe zarządzanie cyklem życia modeli uczenia maszynowego — od etapu rozwoju, poprzez wdrożenie i monitorowanie, aż po zapewnienie ich optymalnej wydajności i niezawodności.

Hybrydowo (3 dni w tygodniu z biura)

Senior Data Engineer / ML

Twój zakres obowiązków

• Implementacja zasad MLOps (CI/CD, testowanie, monitoring) w celu usprawnienia operacji związanych z uczeniem maszynowym.
• Praca z Apache Spark i Pythonem przy definiowaniu i utrzymaniu procesów pobierania oraz transformacji danych — zarówno w trybie rzeczywistym, jak i wsadowym.
• Budowa rozproszonych, wysoce równoległych potoków przetwarzania danych obsługujących ogromne ilości danych (strukturalnych i niestrukturalnych) w trybie near real-time.
• Wykorzystanie Sparka do wzbogacania i transformacji danych korporacyjnych w celu umożliwienia ich wyszukiwania, wizualizacji oraz zaawansowanej analizy.
• Współpraca z zespołami interdyscyplinarnymi (Data Science, DevOps, IT) w celu dostarczania wysokiej jakości rozwiązań opartych na ML.
• Ścisła współpraca z analitykami i interesariuszami biznesowymi przy opracowywaniu modeli analitycznych.
• Wsparcie w optymalizacji i rozwoju praktyk oraz bibliotek MLOps, również poza obszar modeli predykcyjnych.
• Badanie i wdrażanie rozwiązań chmurowych w obszarze AI/ML.

Nasze wymagania

• Minimum 5 lat doświadczenia w pracy z Pythonem i Apache Spark.
• Bardzo dobra znajomość algorytmów, struktur danych, statystyki oraz algebry liniowej.
• Doświadczenie z frameworkami TensorFlow lub PyTorch (trenowanie, ulepszanie, wdrażanie modeli).
• Dobra znajomość systemów rozproszonych i technologii Big Data (Hadoop/Hive lub podobne).
• Umiejętność pracy z bazami danych i platformami chmurowymi (AWS, Azure, Google Cloud) — zapewnienie skalowalności i bezpieczeństwa infrastruktury.
• Biegłość w SQL (Spark/Hive SQL) oraz doświadczenie w tworzeniu przepływów danych.
• Doświadczenie w pracy z BitBucket i GIT (wersjonowanie, strategia branchowania).
• Znajomość metodyk Agile / SAFe.
• Bardzo dobra znajomość języka angielskiego (w mowie i piśmie).
• Doświadczenie w projektowaniu i wdrażaniu modeli ML (np. Propensity, CLV, Micro-segmentation, Channel Recommendation).
• Wsparcie zespołów use case w zakresie trenowania i wdrażania modeli uczenia maszynowego.
• Doświadczenie w pracy z chmurą AWS.