Jako część Zespołu IT ds. Oceny i Monitoringu Ryzyka, rozwijamy Produkt: Modele i Systemy Ryzyka. Naszą misją jest wdrażanie nowoczesnych narzędzi wspierających zarządzanie ryzykiem – poprzez automatyzację procesów decyzyjnych, redukcję kosztów operacyjnych, zapewnienie zgodności z regulacjami oraz utrzymanie aktualnych i wydajnych systemów.
W związku z dynamicznym rozwojem poszukujemy Senior Solutions Architecta (ML/AI), który będzie odpowiedzialny za projektowanie, implementację i skalowanie zaawansowanych rozwiązań opartych na sztucznej inteligencji i uczeniu maszynowym.
responsibilities :
Projektowanie kompleksowej architektury rozwiązań ML/AI w Pythonie (scikit-learn, TensorFlow, PyTorch)
Budowa skalowalnych pipelineów danych w PySpark i Spark MLlib, z integracją z systemami Big Data
Implementacja modeli ML w środowiskach eksperymentalnych i produkcyjnych
Tworzenie usług i API z wykorzystaniem FastAPI, Flask, REST API, gRPC
Optymalizacja wydajności systemów ML/AI oraz zarządzanie infrastrukturą danych i modeli
Integracja modeli ML z istniejącymi systemami bankowymi i aplikacjami backendowymi
Współpraca z zespołami Data Science i Data Engineering przy wdrażaniu modeli
Dokumentowanie architektury systemów, kodu i procesów wdrożeniowych
Stosowanie praktyk MLOps oraz Continuous Delivery w projektach wdrożeniowych
Udział w projektach realizowanych w metodyce Agile/Scrum
requirements-expected :
Wykształcenie:
-Wyższe techniczne (informatyka, matematyka, analiza danych, ekonometria lub pokrewne kierunki)
Doświadczenie:
-Minimum 5 lat doświadczenia w projektach IT z wykorzystaniem Pythona, ML i AI
-Minimum 3 lata doświadczenia w pracy z bibliotekami ML/AI (scikit-learn, PyTorch, TensorFlow)
Umiejętności techniczne:
-Biegła znajomość Pythona i bibliotek do przetwarzania danych (Pandas, NumPy, Dask)
-Doświadczenie z NLP: Hugging Face, spaCy, Transformers
-Znajomość środowisk Big Data: PySpark, Spark MLlib
-Praktyczne doświadczenie w integracji modeli ML z backendem i API (REST API, gRPC)
-Znajomość konteneryzacji (Docker, Kubernetes) oraz narzędzi do zarządzania środowiskami ML (Jupyter, MLflow, Airflow)
-Doświadczenie z CI/CD (np. Jenkins, GitLab CI/CD)
-Umiejętność analizy danych i przekładania wymagań biznesowych na rozwiązania techniczne
-Doświadczenie w pracy z narzędziami do monitorowania i logowania (Grafana, Prometheus, MLflow, Weave)
