Realizujemy projekty z zakresu Machine Learning ukierunkowane na generowanie wartości w dynamicznie rozwijającym się biznesie FMCG. Jeśli szukasz miejsca, w którym możesz zastosować swoją wiedzę ML do rozwiązywania rzeczywistych problemów - nasza firma jest miejscem dla Ciebie. Nasz zespół oraz skala problemów, z którymi pracujemy dynamicznie się rozwija.

Twój zakres obowiązków:

• tworzenie i stosowanie modeli statystycznych i modeli uczenia maszynowego do profilowania użytkowników lub systemów rekomendacji;
• przetwarzanie, analiza i eksploracja różnych typów danych;
• tworzenie pipeline projektowego: definiowanie metod treningu, ewaluacji, pos-ewaluacji, przenoszenie rozwiązania na produkcję;
• komunikacja z biznesem tak by tworzyć rozwiązania na miarę ich potrzeb;
• ciągły rozwój wiedzy, śledzenie i wdrażanie najnowszych trendów.

Nasze wymagania:

• 2 lata udokumentowanego doświadczenia w pracy w dziedzinie uczenia maszynowego – najlepiej gitlab/github z repozytorium kodu;
• dogłębna znajomość frameworków Pythona;
• doświadczenie w modelowaniu, czyszczeniu i analizie danych;
• ukończone studia II stopnia, na kierunkach takich jak: Matematyka, Fizyka, Statystyka, Informatyka, Inżynieria lub dziedziny pokrewne (mile widziani są również studenci ostatniego roku);
• praktyczna znajomość metod statystycznych i modeli Machine Learning, w tym Deep Learning;
• dogłębne zrozumienie algorytmów i struktur danych związanych z uczeniem maszynowym/głębokim uczeniem się;
• bardzo dobre umiejętności programistyczne do programowania Machine Learning / Deep Learning w Pythonie, w tym doświadczenie w Numpy, Pandas, Scikit-learn, PyTorch lub TensorFlow;
• dobra znajomość języka angielskiego w mowie i piśmie pozwalająca na swobodną komunikację;
• wysoko rozwinięte kompetencje miękkie z obszaru współpracy z biznesem, prezentowania wyników, budowania skutecznych argumentów, przekonywania do swoich tez, współpracy;

Dodatkowo na plus:

• doświadczenie w systemach rekomendacji i/lub profilowaniu użytkowników;
• doświadczenie w uczeniu się przez wzmacnianie;
• doświadczenie z optymalizacją algorytmów (pamięć, szybkość przetwarzania, skalowalność, GPU);
• doświadczenie z technologiami Big Data takimi jak: PySpark, Hadoop, AWS (EMR, Athena)