Senior Machine Engineer

emagine Polska; Województwo mazowieckie; On-site; PLN 210,000 - 320,000; Full time

Job summary

emagine Polska poszukuje Senior ML Engineer, który obejmie odpowiedzialność za cały cykl życia modeli - od framingu problemu i prototypowania po wdrożenie i monitoring. Będziesz budować niezawodne pipeline'y danych i integrować systemy ML z danymi enterprise (PLM, ERP AX/SAP, o9).

Wymagania: min. 5 lat doświadczenia w ML, DS lub Applied ML; udokumentowane wdrożenia ML na produkcji; zaawansowany Python i frameworki; doświadczenie w chmurze (Azure), Docker i Kubernetes.

Qualifications

• Minimum 5 lat doświadczenia w ML Engineering, Data Science lub Applied ML
• Udokumentowane doświadczenie we wdrażaniu modeli ML na produkcję
• Zaawansowany Python i frameworki ML (scikit-learn, TensorFlow, PyTorch, Spark MLlib)
• Doświadczenie w chmurze (preferowany Azure), Docker, Kubernetes

Responsibilities

• Projektowanie i utrzymanie całego cyklu życia modeli ML od framingu po monitoring
• Budowa i optymalizacja pipeline'ów danych oraz integracja ML z danymi enterprise (PLM, ERP AX/SAP, o9)
• Wdrażanie praktyk MLOps, CI/CD dla ML i automatyczny retraining

Skills

Python

Scikit-learn

TensorFlow

PyTorch

Spark MLlib

Tools

Docker

Kubernetes

Azure

Job description

Rola Senior ML Engineer przy globalnej marce konsumenckiej, gdzie odpowiadasz za cały cykl życia modeli — od framing'u problemu i prototypowania po wdrożenie i monitoring. Będziesz budować niezawodne pipeline'y danych, integrować systemy ML z danymi enterprise (PLM, ERP AX/SAP, o9) i wdrażać praktyki MLOps, w tym CI/CD dla ML i automatyczny retraining. Obszary fokusowe to prognozowanie popytu, predykcja CLV i optymalizacja procesów — to oferta dla doświadczonego ML Engineera z produkcyjnym wdrożeniem modeli na dużą skalę.

• min. 5 lat doświadczenia w Machine Learning Engineering, Data Science lub Applied ML
• udokumentowane doświadczenie we wdrażaniu modeli ML na skalę produkcyjną
• zaawansowany Python i frameworki ML (scikit-learn, TensorFlow, PyTorch, Spark MLlib)
• doświadczenie w chmurze (preferowany Azure), Docker, Kubernetes