Nasze wymagania
Doświadczenie komercyjne (minimum 3 lata): Udokumentowane sukcesy w projektowaniu, wdrażaniu i utrzymywaniu zaawansowanych systemów ML na środowiskach produkcyjnych na dużą skalę.
Doskonała znajomość Python i ekosystemów ML/AI: Biegła znajomość języka Python oraz zaawansowanych konceptów programistycznych, połączona z dobrą praktyką inżynierii oprogramowania.
Systemy decyzyjne i optymalizacja: Praktyczna wiedza z zakresu teorii decyzji/gier, optymalizacji matematycznej, uczenia (nadzorowane, nienadzorowane, ze wzmocnieniem) oraz przetwarzania danych w czasie rzeczywistym.
Skalowalne przetwarzanie Big Data & Cloud: Doświadczenie w pracy ze zbiorami danych o dużej skali przy użyciu SQL, Apache Spark/PySpark oraz infrastruktury chmurowej wraz z konteneryzacją.
Silne fundamenty teoretyczne: Wykształcenie wyższe (Matematyka, Fizyka, Informatyka lub pokrewne) ze szczególnym naciskiem na rachunek prawdopodobieństwa, statystykę i optymalizację dyskretną/ciągłą.
Mile widziane
- Domain Knowledge w AdTech / RTB / E-commerce: Rozumienie specyfiki aukcji czasu rzeczywistego (OpenRTB, DSP/SSP, Bid Landscape Forecasting) lub wielkoskalowej personalizacji w e-commerce/FinTech.
- Optymalizacja pod ultra-niskie opóźnienia: Praktyka w optymalizacji wnioskowania modeli pod kątem milisekundowych opóźnień (np. C++, ONNX, TensorRT, Triton Inference Server).
- Wkład w innowacje i publikacje: Udział w projektach badawczych, patentach, publikacjach naukowych lub aktywny wkład w projekty Open Source z zakresu Machine Learning / Optimization.
- Stopień naukowy (PhD, MSc) lub certyfikacje: Tytuł naukowy w naukach ścisłych lub certyfikaty architektoniczne/MLOps (np. GCP Professional ML Engineer, AWS Certified Machine Learning Specialty, etc.)
Twój zakres obowiązków
Projektowanie i wdrażanie modeli ML rozwiązujących problemy biznesowe: (prediction, ranking, recommendation, optimization). Budowa systemów decyzyjnych i optymalizacyjnych (pricing, bidding, personalization, allocation). End-to-end ownership modeli ML. Zaawansowana optymalizacja i rekomendacje, tworzenie i wdrażanie algorytmów optymalizacyjnych oraz rekomendacyjnych, wprost przekładających się na kluczowe wskaźniki biznesowe (eCPM, CTR, Revenue, LTV).
Architektura i rozwój systemów decyzyjnych: Projektowanie od podstaw i rozwój produkcyjnych systemów decyzyjnych oraz silników personalizacji w czasie rzeczywistym, działających przy wysokim natężeniu ruchu (low-latency, high-throughput).
Liderowanie innowacjom i R&D: Inicjowanie i prowadzenie projektów badawczo-rozwojowych (R&D) – wdrażanie przełomowych metod ML/AI, testowanie hipotez oraz komercjalizacja innowacji technologicznych wewnątrz organizacji.
Eksperymentowanie i analityka przyczynowa: Projektowanie nowoczesnych frameworków do testów A/B, atrybucji oraz wnioskowania przyczynowego (Causal Inference), umożliwiających precyzyjną ocenę wpływu modeli na biznes (Incrementality Testing, uplift modeling).
Wyznaczanie standardów architektonicznych dla infrastruktury ML, współpraca z zespołami cross obszarowymi oraz mentoring dla Junior Data Scientistów.