Machine Learning Engineer w Warszawa, Polska

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).