ml engineer demand forecasting

Enfint; Warszawa; On-site; PLN 180,000 - 240,000; Full time

Job summary

Fetcherr ищет опытного специалиста по данным/ML для обеспечения устойчивости и прозрачности ML‑систем, повышения точности прогнозов спроса и эффективности бизнес‑решений. Ваша роль охватит построение признаков, мониторинг моделей и участие в MLOps‑практиках в многоуровневой инфраструктуре.

Кандидат должен владеть Python, Pandas/Polars, NumPy, Scikit-learn, SQL, облачными платформами (желателен GCP), Docker и Kubernetes, а также иметь сильные коммуникативные навыки и опыт работы с временными

Qualifications

• 5+ лет практического опыта в науке данных, ML-операциях или прикладном ML.
• Связующее владение Python и стандартными библиотеками для данных и ML (Pandas/Polars, NumPy, Scikit-learn, SQL).
• Сильные навыки визуализации данных и разведочного анализа для мониторинга и отладки пайплайнов.
• Опыт работы с временными рядами и инжинирингом признаков.
• Знакомство с инструментами объяснимости и практиками мониторинга моделей.
• Сильные навыки решения проблем во всех звеньях данных, кода и рабочих процессов моделей.
• Отличные коммуникативные навыки для изложения результатов как техничной, так и нетехнической аудитории.
• Опыт работы с облачными ML-платформами, желательно GCP.
• Знакомство с Docker, Kubernetes, CI/CD или инструментами наблюдаемости ML.
• Степень бакалавра или магистра в CS/ML/инженерии или смежной области.
• Дополнительно: PyTorch или TensorFlow, Airflow, Kedro, Dagster, опыт в прогнозировании спроса.

Responsibilities

• Сотрудничать с кросс-функциональными командами, чтобы ML-системы оставались надежными, объяснимыми и соответствовали бизнес-целям.
• Мониторинг и отчетность по производительности, надежности и объяснимости моделей.
• Участвовать в процедурах переобучения моделей и автоматизировать конвейеры MLOps.
• Расширять и масштабировать пайплайны мониторинга, включая поддержку новых функций.
• Выявлять, устранять и анализировать проблемы в продукционных ML-рабочих процессах от первичной индикации до корневой причины.
• Разрабатывать и поддерживать репозитории для feature-инжениринга, пайплайнов мониторинга и инструментов анализа артефактов.
• Выполнение разведочного анализа данных по историческим наборам для выявления проблем с качеством данных.
• Реализация и контроль производственных корректировщиков в deployments клиентов.
• Оценка и контроль критических артефактов ML, включая файлы объяснимости, покрытие и согласование признаков.
• Поддержка разработки и поддержки внутренних инструментов, включая интерфейсы, реестры и фреймворки мониторинга признаков.
• Построение и поддержка статических и временных признаков: сезонность, события, ценовая динамика.

Skills

Python

Pandas/Polars

NumPy

Scikit-learn

SQL

Data visualization

Time-series

Explainability tools

Cloud platforms (GCP)

Docker

Kubernetes

CI/CD

ML observability

Communication skills

PyTorch

TensorFlow

Education

Bachelor's or Master’s degree in CS/ML/Engineering

Tools

Docker

Kubernetes

CI/CD workflows

Airflow

Kedro

Dagster

Job description

Описание:

Fetcherr builds responsible AI that transforms market complexity into measurable profit growth. Its proprietary Market Model delivers granular demand predictions and real-time decision intelligence for commercial teams, using transparent glass-box architecture and market data rather than personal data. The technology was first deployed in global aviation and scales across volatile markets, delivering an average profit uplift of 7%.

Задачи:

• Collaborate with cross-functional teams to keep ML systems robust, explainable, and aligned with business needs
• Monitor and report on ML model performance, reliability, and explainability metrics
• Participate in model retraining procedures and automate and optimize MLOps pipelines
• Extend and scale monitoring pipelines, including support for new features in development
• Investigate, troubleshoot, and resolve issues in production ML workflows from initial triage to root-cause analysis with model owners
• Develop and maintain repositories for feature engineering, inference monitoring pipelines, and artifact monitoring tools
• Perform exploratory data analysis on historical datasets to identify quality issues and maintain data health
• Implement and oversee production-based adjusters across customer deployments
• Evaluate and track critical ML artifacts, including explainability files, coverage metrics, and feature alignment
• Support the development and maintenance of internal tools, including interfaces, registries, and feature monitoring frameworks
• Build and maintain static and temporal features, including seasonality, event-based, and price-related features.

Требования:

• 5+ Years of hands-on experience in data science, ML operations, or applied ML support
• Proficiency in Python and standard data and ML libraries, including Pandas/Polars, NumPy, Scikit-learn, and SQL
• Strong data visualization and exploratory data analysis skills for monitoring and debugging pipelines
• Experience with time-series data and feature engineering
• Familiarity with explainability tools and model monitoring best practices
• Strong problem-solving skills across data, code, and model workflows
• Excellent communication skills for summarizing findings to technical and non-technical audiences
• Experience with cloud-based ML platforms, preferable GCP
• Familiarity with Docker, K8s, CI/CD workflows, or ML observability tools
• Bachelor's or Master's degree in Computer Science, Machine Learning, Statistics, Engineering, or a relevant field
• Nice to have: Experience with PyTorch or TensorFlow, familiarity with Airflow, Kedro, or Dagster, prior exposure to demand forecasting, pricing, or revenue management.

Условия:

No conditions specified