Machine Learning Engineer

Machine Learning Engineer /Ekspert ds. modelowania predykcyjnego - odpowiadasz za projektowanie, rozwój i utrzymanie zaawansowanych modeli predykcyjnych wspierających procesy CRM w środowisku bankowym. Twoja praca będzie miała bezpośredni wpływ na wyniki sprzedażowe oraz doświadczenie klientów banku, przy wykorzystaniu dużych wolumenów danych oraz nowoczesnych technologii chmurowych.

Forma współpracy: B2B

Tryb: 2x tydzień biuro ul. Chmielna 89 Warszawa

Opis stanowiska

• budowa i rozwój modeli NLP (w tym deep learning, transformery, large language

models) z wykorzystaniem PyTorch,

• projektowanie i implementacja modeli ML/AI (problemy klasyfikacyjne, regresyjne,

analizy przestrzenne GEO, sieci społeczne) – od etapu prototypowania do wdrożenia
produkcyjnego,

• utrzymanie, monitorowanie oraz ewaluacja modeli w czasie (Model Lifecycle

Management / „fabryka modeli”),

• identyfikacja i detekcja zdarzeń o wysokiej wartości predykcyjnej w danych klientów,
• rozwój i optymalizacja przepływów danych oraz pipeline’ów ML (Airflow, DataFlow),
• optymalizacja silników decyzyjnych wspierających dystrybucję leadów kampanijnych

w CRM,

• udział w inicjatywach innowacyjnych, w szczególności w obszarze hiperpersonalizacji,

GenAI oraz eksperymentów R&D,

• współpraca z zespołami biznesowymi (marketing, sprzedaż) oraz IT w celu wdrażania

i skalowania rozwiązań,

• rozwój i stosowanie standardów MLOps, automatyzacji oraz zarządzania cyklem

życia modeli,

• udział w budowie standardów modelowania, walidacji oraz governance w środowisku

regulowanym (bankowość).

Wymagania

• minimum 8 lat doświadczenia w modelowaniu predykcyjnym w sektorze bankowym,
• doświadczenie w pracy z danymi oraz modelami wspierającymi procesy CRM

(marketing, sprzedaż, kampanie),

• praktyczna znajomość środowiska Google Cloud Platform (GCP), w szczególności:

BigQuery, AI/Vertex AI Notebooks, MLflow, DataProc, Airflow, DataFlow,

• doświadczenie w pracy zgodnie z dobrymi praktykami MLOps (CI/CD dla modeli ML),
• bardzo dobra znajomość języka Python oraz narzędzi analizy danych,
• doświadczenie w przetwarzaniu danych w środowisku rozproszonym

(Spark/PySpark),

• bardzo dobra znajomość SQL (preferencyjnie BigQuery),
• doświadczenie w pracy na bardzo dużych zbiorach danych oraz z rozwiązaniami

przetwarzania danych w czasie zbliżonym do rzeczywistego,

• wykształcenie wyższe (kierunki ilościowe, techniczne lub pokrewne)
• mile widziane doświadczenie w budowie i wdrażaniu rozwiązań opartych o GenAI

i LLM,

• mile widziana znajomość narzędzi do budowy aplikacji analitycznych (np. Streamlit).