Senior Machine Learning Engineer
⚲ Warszawa, Śródmieście
170–190 zł netto (+ VAT) / godz.
Wymagania
- 10+ lat doświadczenia w Machine Learning / Data Science / Software Engineering z istotnym doświadczeniem ML
- udokumentowane doświadczenie w złożonych projektach dotyczących szeregów czasowych
- praktyczna znajomość problemów danych o niskim SNR i oceny wartości biznesowej wyników modelu
- bardzo dobra znajomość metod walidacji danych czasowych i projektowania splitów
- samodzielne wykrywanie data leakage, overfittingu i problemów z jakością eksperymentu
- bardzo dobre podstawy statystyczne (istotność i moc statystyczna, multiple testing, przedziały ufności, stacjonarność)
- polski min. B2/C1, angielski min. B2+/C1
Mile widziane
- doświadczenie w energetyce (RDN, TGE, PSE) lub na rynkach finansowych/kryptowalutowych
Opis stanowiska
Zespół R&D klienta z branży energetyczno-technologicznej, prognozowanie szeregów czasowych. Prowadzisz samodzielne eksperymenty ML — od hipotezy po analizę i prezentację wyników — projektujesz metody modelowania (modele klasyczne, gradient boosting, sieci neuronowe, modele foundation) i pracujesz z danymi o niskim SNR. Praca zdalna z okazjonalnymi wizytami w Warszawie. Szczera uwaga: to rola dla kogoś z bardzo głęboką praktyką (10+ lat) i realną samodzielnością — w płaskiej strukturze podejmujesz wiele decyzji bez nadzoru, a od Ciebie oczekuje się krytycznej oceny, czy wyniki modelu mają wartość biznesową, a nie tylko ładnie wyglądają w metrykach.
🔍 Dekoder Ogłoszenia
🔴
10+ lat doświadczenia w obszarze Machine Learning / Data Science / Software Engineering z istotnym doświadczeniem ML.
Szukają kogoś z bardzo głęboką wiedzą i praktyką, prawdopodobnie na poziomie eksperta, który potrafi samodzielnie prowadzić projekty od początku do końca.
🔴
Praktyczna znajomość problemów związanych z danymi o niskim SNR i umiejętność oceny, czy wynik modelu jest rzeczywiście wartościowy.
Oczekują, że będziesz potrafił pracować z 'brudnymi' danymi i krytycznie oceniać, czy uzyskane wyniki mają realne zastosowanie biznesowe, a nie są tylko teoretycznymi osiągnięciami.
🔴
Umiejętność samodzielnego wykrywania data leakage, overfittingu oraz problemów z jakością eksperymentu.
Oczekują, że będziesz w stanie samodzielnie identyfikować i rozwiązywać typowe problemy w procesie tworzenia modeli ML, bez potrzeby ciągłego nadzoru.
🟡
Podejście baseline-first – umiejętność szybkiego zweryfikowania hipotezy prostym modelem przed budową bardziej złożonego rozwiązania.
Chcą, abyś był pragmatyczny i unikał nadmiernego komplikowania, zaczynając od prostych rozwiązań, zanim zainwestujesz czas w bardziej zaawansowane techniki.
🔴
Samodzielność, pragmatyzm i umiejętność pracy w środowisku o płaskiej strukturze.
Oznacza to, że będziesz musiał podejmować wiele decyzji samodzielnie, a hierarchia w firmie jest minimalna, co może wiązać się z większą odpowiedzialnością i mniejszą formalnością.