Senior Machine Learning Engineer w Warszawa, Polska

Wymagane, Python, LLM, AI, Git

O projekcie, W 7bulls budujemy zaawansowane oprogramowanie w oparciu o sztuczną inteligencję, i Agentów AI. Stawiamy na czystą inżynierię, pragmatyzm i realny wpływ na biznes, pracując, w zwinny sposób bez zbędnych ceremonii i korporacyjnej biurokracji. Specjalizujemy się, w prognozowaniu trudnych, rynkowych szeregów czasowych. W sektorze energii odnosimy, stałe sukcesy, a obecnie intensywnie rozwijamy obszar kryptowalut., , Poszukujemy Senior Machine Learning Engineera, który dołączy do zespołu złożonego z, ekspertów z kilkunastoletnim doświadczeniem. Zależy nam na partnerze do merytorycznego, sparingu dla naszych specjalistów — doświadczonego inżyniera, który weźmie pełną, odpowiedzialność za własne badania R&D, ułoży standardy eksperymentów dla całego, zespołu oraz zapewni sprawną i bezpośrednią komunikację z klientem.

Tak pracujemy, rozwijasz kilka projektów jednocześnie, masz wpływ na wybór narzędzi i technologii, tworzysz kod "od zera", koncentrujesz się na rozwoju produktu, agile

Twój zakres obowiązków, Własny R&D: Prowadzenie eksperymentów prognostycznych end-to-end — od postawienia hipotezy, przez automatyzację agentową AI, po raportowanie i obronę wniosków., Wdrożenie standardu badań: Wyznaczenie i egzekwowanie metodyki eksperymentalnej dla całego zespołu (jasna hipoteza, poprawny split, baseline, kryterium stopu). Dostajesz w tym obszarze pełną samodzielność., Sparing merytoryczny: Review prac zespołu — weryfikacja poprawności walidacji, wyłapywanie przecieków danych (data leakage), ocena stabilności modeli w oknach czasowych., Świadomy dobór narzędzi: Decydowanie, kiedy użyć gradient boostingu, sieci neuronowych, czy modeli fundamentalnych (Chronos, TimesFM), a kiedy odpuścić dany kierunek., Kontakt z klientem: Prowadzenie merytorycznych dyskusji technicznych i prezentowanie wyników po angielsku.

Doświadczenie w trudnych projektach: Udokumentowana, samodzielna realizacja projektów prognostycznych na zaszumionych szeregach czasowych o niskim stosunku sygnału do szumu (krypto, finanse, biosygnały, CTR, predictive maintenance) w ujęciu end-to-end — wraz z umiejętnością omówienia kryteriów przerwania nieudanych eksperymentów., Zaawansowana walidacja szeregów czasowych: Biegłe projektowanie schematów walidacji z uwzględnieniem specyfiki danych czasowych (walk-forward, purging, embargo, dobór okien, zmiany reżimu) oraz pełna świadomość, dlaczego klasyczny, losowy k-fold jest błędem metodycznym., Rozumienie specyfiki niskiego SNR: Świadomość, że przy wysokim szumie trafność na poziomie 52% może być wartościowym wynikiem, podczas gdy wynik 65%+ wskazuje niemal zawsze na błąd walidacyjny lub przeciek danych (data leakage)., Podejście baseline-first oraz sprawność działania: Umiejętność dostarczenia prostego modelu bazowego w kilka dni (a nie tygodni) oraz gotowość do rezygnacji ze złożonych sieci neuronowych, jeśli nie generują przewagi nad baseline'em., Solidne podstawy statystyczne i analityczne: Praktyczna znajomość pojęć istotności i mocy testów, problemu wielokrotnego testowania, przedziałów ufności oraz stacjonarności. Umiejętność interpretacji zachowań sieci (krzywe uczenia) i natychmiastowego wyłapywania przetrenowania., Inżynieria oprogramowania i stack technologiczny: Produkcyjna znajomość Pythona, higiena pracy w systemie Git, tworzenie powtarzalnych środowisk (uv, venv, Docker) oraz codzienna praca z DuckDB i formatem Parquet., Pragmatyczne wykorzystanie LLM: Używanie narzędzi AI do budowania pipeline'ów i boilerplate'u przy jednoczesnej bezwzględnej, ręcznej weryfikacji logiki podziału danych oraz konstrukcji targetu., Zwinna samodzielność i kompetencje językowe: Umiejętność samodzielnego planowania pracy bez potrzeby szczegółowo rozpisywanych ticketów, przy jednoczesnym wyczuciu momentu na konsultację techniczną z zespołem. Biegła znajomość języka polskiego (komunikacja wewnętrzna) oraz angielskiego w stopniu umożliwiającym swobodne dyskusje z klientem.

Mile widziane, Znajomość specyfiki rynków energii (RDN, TGE, PSE) lub mechaniki krypto (spot vs pochodne)., Chłodna, krytyczna ocena akademickich benchmarków modeli fundamentalnych.

To oferujemy, Trwałą i stabilną współpracę., Pracę hybrydową w nowoczesnym, doskonale skomunikowanym biurze w Warszawie, Śródmieście (Budynek Focus)., Czas pracy dostosowany do Twoich potrzeb., Lektoraty z języka angielskiego., Prywatną opiekę medyczną., Dofinansowanie do zajęć sportowych / kartę sportową., Indywidualne, elastyczne i ludzkie podejście do ludzi oraz ich sytuacji życiowych.

Takie dajemy możliwości rozwoju, budżet rozwojowy, konferencje w Polsce, mentoring, szkolenia zewnętrzne

Benefity, dofinansowanie zajęć sportowych, prywatna opieka medyczna, dofinansowanie nauki języków, możliwość pracy zdalnej, elastyczny czas pracy

Etapy rekrutacji, Analiza CV, Rozmowa telefoniczna , Spotkanie online

Tak się u nas pracuje,