Software Engineer (Java/Python + Machine Learning)

Solid Company; Kraków; On-site; PLN 260,000 - 360,000; Full time

Job summary

Solid Company poszukuje specjalisty ML/ backend do Krakowa. Rola obejmuje rozwój i utrzymanie aplikacji Java, integrację modeli ML oraz pipeline’y danych.

Wymaga silnych fundamentów Java, praktycznej znajomości Pythona i doświadczenia w ML, ze szczególnym uwzględnieniem supervissed learning i time-series. Idealny kandydat to osoba z doświadczeniem w budowie modeli predykcyjnych na danych tabelarycznych, z umiejętnością wdrażania modeli w środowisku produkcyjnym oraz pracy w zespole

Qualifications

• Minimum 4 lata doświadczenia komercyjnego w pokrewnej roli.
• Dobra znajomość Javy i praktyczne umiejętności Pythona.
• Umiejętność tworzenia czystego, czytelnego i wydajnego kodu produkcyjnego.
• Dobra znajomość Machine Learning, zwłaszcza supervised learning.
• Doświadczenie w budowaniu modeli predykcyjnych na danych tabelarycznych.

Responsibilities

• Projektowanie, rozwój i utrzymanie backendów w Java z integracją modeli ML.
• Rozwój, trenowanie, optymalizacja i wdrażanie modeli predykcyjnych (Gradient Boosting, LightGBM, scikit-learn).
• Przetwarzanie i analiza dużych zbiorów danych za pomocą Pandas/NumPy; projektowanie Feature Engineering, w tym time-series.
• Walidacja modeli, dobor metryk i ocena jakości predykcji.
• Integracja modeli ML z aplikacjami Java i zapewnienie ich produkcyjnego działania.

Skills

Java

Python

Clean code

Machine Learning

Supervised Learning

Feature Engineering

Time Series

Model evaluation

Data integration

Tools

LightGBM

scikit-learn

Pandas

NumPy

Docker

Kubernetes

CI/CD

Prometheus

AWS S3/Athena

Job description

• projekt z branży e-commerce,


• projektowanie, rozwój i utrzymanie aplikacji oraz rozwiązań backendowych w Java, z wykorzystaniem Pythona do przetwarzania danych i rozwoju modeli ML,


• tworzenie czytelnego, wydajnego i wysokiej jakości kodu gotowego do wdrożeń produkcyjnych,


• rozwój, trenowanie, optymalizacja i wdrażanie modeli predykcyjnych opartych na uczeniu nadzorowanym, w szczególności modeli regresyjnych wykorzystujących Gradient Boosting (LightGBM) i scikit-learn,


• przygotowywanie i analiza dużych zbiorów danych tabelarycznych z użyciem Pandas i NumPy oraz projektowanie procesu Feature Engineering, również dla szeregów czasowych,


• walidacja modeli z uwzględnieniem specyfiki danych czasowych, dobór metryk oraz ocena jakości i stabilności predykcji,


• porównywanie modeli z rozwiązaniami bazowymi oraz eliminowanie overfittingu, data leakage i niespójności przetwarzania danych między środowiskiem treningowym a produkcyjnym,


• integracja modeli ML z backendem Java, rozwój architektury ich udostępniania i wykorzystania przez aplikacje biznesowe oraz zapewnienie działania produkcyjnego,


• udział w code review, testach, optymalizacji wydajności i utrzymaniu rozwiązań,


• współpraca z międzynarodowym zespołem, analitykami danych i specjalistami technicznymi przy realizacji potrzeb biznesowych.

Kogo poszukujemy?

• minimum 4 lata doświadczenia komercyjnego w podobnej roli,


• bardzo dobra znajomość Java i praktyczna znajomość Python,


• umiejętność tworzenia czystego, czytelnego i wydajnego kodu produkcyjnego,


• dobra znajomość Machine Learning, szczególnie Supervised Learning,


• doświadczenie w budowaniu modeli predykcyjnych i regresyjnych na danych tabelarycznych,


• znajomość algorytmów Gradient Boosting oraz bibliotek LightGBM i scikit-learn,


• doświadczenie w przetwarzaniu i analizie dużych zbiorów danych z użyciem Pandas i NumPy,


• znajomość Feature Engineering, w tym dla danych szeregów czasowych,


• umiejętność walidacji modeli, doboru metryk i oceny jakości predykcji,


• umiejętność porównywania modeli z bazowymi oraz identyfikowania overfittingu i data leakage,


• dbałość o spójność przetwarzania danych między środowiskiem treningowym i produkcyjnym,


• umiejętność integracji modeli ML z aplikacjami Java,


• język angielski na poziomie C1.

Mile widziane:

• znajomość Quantile Regression,


• doświadczenie w Time Series Feature Engineering,


• znajomość SQL i usług AWS (S3, Athena),


• znajomość Docker, Kubernetes i procesów CI/CD,


• znajomość narzędzi monitorujących, np. Prometheus,


• doświadczenie z produkcyjnymi rozwiązaniami Machine Learning.