Machine Learning Engineer / Applied Scientist (Industrial AI) (f/m/n)

OGŁOSZENIE ARCHIWALNE

Oferta

  • Zatrudnienie przez Bergman Engineering w ramach kontraktu B2B lub innej formy umowy
  • Wynagrodzenie: 80 – 110 zł netto / h (w zależności od doświadczenia)
  • Zatrudnienie na okres 24 miesięcy z możliwością przedłużenia współpracy
  • Możliwość przystąpienia do pakietów: prywatna opieka medyczna, ubezpieczenie grupowe, karta sportowa (kafeteria benefitowa)
  • Elastyczne godziny pracy i możliwość pracy zdalnej
  • Możliwość wzięcia udziału w ciekawych projektach w ramach grupy Bergman Engineering

Obowiązki

  • Rozwój modeli ML (łańcuch dostaw, dane produkcyjne, automatyzacja, konserwacja zapobiegawcza)
  • Definiowanie wskaźników KPI, eksperymentów i frameworków oceny (walidacja krzyżowa, zapobieganie wyciekom)
  • Feature engineering na danych procesowych i zdarzeń
  • Wykrywanie anomalii: nietypowe wzory oraz odchylenia w sekwencjach wydarzeń
  • Wykonywanie analizy kodu oraz mierzenie wydajności modelu w kategoriach biznesowych
  • Współpraca z Data Engineering i MLOps w przejściu od prototypu do wdrożenia
  • Tworzenie wizualizacji danych i prezentacji wyników analiz

Wymagania

  • Doświadczenie w tworzeniu modeli ML (dane tabelaryczne, dane szeregów czasowych, klasyfikacja, regresja, prognozowanie ryzyka)
  • Bardzo dobra znajomość Python oraz zaawansowanych bibliotek (TensorFlow, PyTorch, Keras, CNN, LSTM)
  • Doświadczenie w produkcji modeli (API/integracja)
  • Dobre praktyki inżynierii danych (czystość kodu, testy A/B, Git, symulacje)
  • Umiejętność projektowania poprawnej ewaluacji, iteracyjnie prowadzenie projektu: od analizy biznesowej, przez kolejne wersje, aż po wdrożenie
  • Znajomość języka angielskiego na poziomie min. B2
  • Umiejętność przestawiania wyników modeli na praktycznie wnioski (KPI/ROI) oraz prezentowania wyników analiz (Matplotlib, Seaborn, Tableau lub narzędzia równoważne)

Mile widziane

  • LLM (ekstrakcja informacji, RAG)
  • Znajomość OEE/OTIF
  • MLflow/ śledzenie eksperymentów, monitorowanie modeli (GitHub)