Analityk danych stosowanych / inżynier uczenia maszynowego (inteligencja decyzyjna)

Poszukujemy zorientowanego na produkt analityka danych stosowanych lub inżyniera uczenia maszynowego, który pomoże w tworzeniu, dostarczaniu i skalowaniu produktów opartych na technologii ML, które bezpośrednio poprawiają sposób, w jaki nasi klienci podejmują decyzje, prowadzą swoje firmy i służą własnym użytkownikom.
Nie jest to stanowisko związane wyłącznie z badaniami ani stanowisko związane z analityką wewnętrzną zorientowaną na usługi. Potrzebujemy kogoś, kto przeniósł uczenie maszynowe od definicji problemu poprzez eksperymenty, wdrożenie produkcyjne, pomiary, iteracje i długoterminową własność. Rozumiesz, że świetne modele są nie tylko dokładne w notatnikach – są użyteczne, łatwe do wyjaśnienia, mierzalne, skalowalne i cenne w prawdziwym produkcie.
Niezależnie od tego, czy Twoje doświadczenie skupia się w kierunku inżynierii danych/ML Ops, czy stosowanej nauki o danych, zdecydowanie skupiasz się na transporcie i interesujesz się połączeniem obu światów, aby ożywić sztuczną inteligencję.
CO ZROBISZ:

Inżynieria i obsługa sztucznej inteligencji

•
Kompleksowa własność ML: wspomagaj rozwój możliwości uczenia maszynowego (prognozowanie, rekomendowanie, ranking, optymalizacja lub analiza decyzji) w produktach SaaS skierowanych do klienta.

•
Opracowywanie potoków i modeli: Projektuj niezawodne potoki danych i funkcji wraz z modelami, począwszy od odkrywania, poprzez eksperymentowanie, walidację, wdrażanie i monitorowanie.

•
Integracja produktów: współpracuj z menedżerami produktów i inżynierami oprogramowania, aby osadzić ML bezpośrednio w przepływach pracy produktów, doświadczeniach użytkowników i narzędziach do podejmowania decyzji.

•
Pragmatyczne prototypowanie: szybko przechodź od prototypu do produkcji, równoważąc dokładność, interpretowalność, opóźnienia, łatwość konserwacji i wpływ na biznes.

Własność i strategia ekosystemu

•
Ocena i eksperymentowanie: Zdefiniuj strategie oceny offline i online, w tym jakość modelu, dryft i niezawodność. Projektuj testy A/B i ramy pomiaru przyczynowego, aby udowodnić, że funkcje ML poprawiają wyniki klientów.

•
Kondycja danych i pętle opinii: współpracuj z zespołami zajmującymi się danymi, aby upewnić się, że modele są obsługiwane przez funkcje wysokiej jakości, jednocześnie budując pętle opinii, aby z czasem poprawiać jakość produktów.

•
Wsparcie dla platform i MLOps: pomóż zarządzać infrastrukturą danych w chmurze i ją optymalizować, zapewniając wiarygodne informacje i proaktywnie zarządzając stanem danych, zanim będzie to miało wpływ na użytkowników.

Kierownictwo produktowe i techniczne

•
Ocena strategiczna: dokonaj dokładnej oceny, kiedy zastosować tradycyjne uczenie maszynowe, modelowanie statystyczne, LLM, heurystyki lub prostszą logikę produktu. Dokonuj praktycznych kompromisów w zakresie złożoności modelu i wpływu na klienta.

•
Wpływ planu działania: Jasno komunikuj, co ML może, a czego nie może rozwiązać, aby wpłynąć na decyzje dotyczące planu działania, pomagając określić, gdzie uczenie maszynowe może stworzyć prawdziwe zróżnicowanie produktów.

•
Mentoring: Kieruj i mentoruj innych analityków danych, inżynierów ML, analityków i partnerów wielofunkcyjnych w zakresie najlepszych praktyk stosowanych w ML.

KIM JESTEŚ:

•
Sprawdzony budowniczy: Przekształciłeś ML w prawdziwe produkty. Możesz swobodnie zaczynać od niejednoznacznego problemu z produktem, zastanawiać się, czy uczenie maszynowe jest właściwym rozwiązaniem, budować je i mierzyć, czy zadziałało.

•
Architekt zorientowany na produkt: zależy Ci na wpływie produktu tak samo, jak na wydajności modelu. Wiesz, że model o nieco mniejszej dokładności, ale większym zaufaniu, szybszym wnioskowaniu, lepszej wyjaśnialności i lepszym przyjęciu przez użytkowników to lepsza decyzja dotycząca produktu.

•
Wykonawca wielodyscyplinarny: Rozumiesz, że model jest tak dobry, jak rurociąg go zasilający. Priorytetem dla Ciebie jest użyteczność, „Czas na wgląd” i zaufanie klientów w takim samym stopniu, jak wydajność kodu.

CO PRZYNIEŚ:

•
Doświadczenie: ponad 3 lata (najlepiej ponad 5) doświadczenia zawodowego w stosowanej nauce danych, uczeniu maszynowym lub inżynierii uczenia maszynowego, w tym praktyczne doświadczenie w budowaniu i wdrażaniu modeli do produktów produkcyjnych. Doświadczenie z produktami SaaS jest wysoko cenione.

•
Rdzeń techniczny: Dobra znajomość języka Python i praktyczne doświadczenie z zastosowanymi bibliotekami i frameworkami ML (np. Scikit-Learn, XGBoost, PyTorch, TensorFlow). Wymagana jest znajomość solidnego języka SQL.

•
ML i głębokość modelowania: Silne zrozumienie nadzorowanego uczenia się, prognozowania, rankingów, systemów rekomendacji, optymalizacji lub modelowania statystycznego. Niezbędne jest doświadczenie z rzeczywistymi, niedoskonałymi zbiorami danych produktów.

•
Operacje i orkiestracja: Znajomość koncepcji MLOps (wersjonowanie modeli, potoki funkcji, orkiestracja za pośrednictwem Airflow/dbt/Dagster, monitorowanie, wykrywanie dryftu) i nowoczesnych platform danych (np. Snowflake, BigQuery, Redshift, Databricks).

•
Infrastruktura chmurowa: praktyczne doświadczenie w pracy w środowiskach chmurowych (AWS, GCP lub Azure).

•
Komunikacja i współpraca: Doskonałe umiejętności komunikacyjne z możliwością jasnego wyjaśniania złożonych technicznych kompromisów interesariuszom zajmującym się produktem, inżynierią i biznesem nietechnicznym.

PUNKTY BONUSOWE ZA:

•
Doświadczenie w zakresie analizy decyzji, prognozowania, modelowania zachowań klientów, optymalizacji siły roboczej/tras lub produktów z zakresu inteligencji operacyjnej.

•
Doświadczenie z LLM, GenAI lub agentycznymi przepływami pracy stosowanymi w rzeczywistych przypadkach użycia produktów.

•
Wcześniejsze doświadczenie w pracy na stanowisku starszego lub głównego naukowca odpowiedzialnego za kierowanie kierunkiem technicznym.

CO WARTO O NAS WIEDZIEĆ:

• Jesteśmy wyluzowani, ale zapięci na ostatni guzik. Oferujemy swobodne środowisko pracy i elastyczność pracy zdalnej. Mamy pasję do opracowywania kreatywnych, innowacyjnych, najlepszych w swojej klasie rozwiązań, które bezpośrednio przyczyniają się do sukcesu naszych klientów

• Bardzo nam zależy i dostarczamy usługi i rozwiązania, które naprawdę zmieniają życie naszych klientów i ich firm

• Otwarcie akceptujemy innych takimi, jakimi są i budujemy silne partnerstwa oparte na zaufaniu

• Praca zespołowa i współpraca są kluczem do pomocy naszym współpracownikom i klientom w rozwiązywaniu stojących przed nimi wyzwań

• Nasz zespół jest energiczny, zabawny, z natury dociekliwy i chętny do wywarcia wpływu. Zapraszamy Cię do przyłączenia się do nas!

KOCHAJ TO CO ROBISZ, NIEWAŻNE GDZIE TO ROBISZ:…

Źródło: Jobicy (https://jobicy.com/jobs/147495-applied-data-scientist-machine-learning-engineer-decision-intelligence)