ML Engineer (AdTech)

To, nad czym pracujesz dziś, ma wpływ na to, gdzie będziesz jutro. Szukasz nowych wyzwań jako ML Engineer? Mamy coś dla Ciebie!

W B3 zaczynamy od ludzi i ich doświadczenia. Dobieramy projekty tak, aby odpowiadały Twoim umiejętnościom i ścieżce rozwoju. Pracujemy w wielu obszarach i technologiach, realizując projekty IT w Polsce i w środowisku międzynarodowym, co pozwala budować doświadczenie w sposób przemyślany, a nie przypadkowy.

Jesteśmy częścią międzynarodowej organizacji notowanej na NASDAQ w Sztokholmie, działającej w 11 krajach. W Polsce mamy pełną autonomię. Sami wybieramy technologie, procesy i sposób pracy, zachowując najwyższe standardy.

Dołącz do nas już dziś!

• Pracę w skandynawskiej kulturze opartej o logikę i dialog.

• Benefity w obszarze zdrowia i sportu dopasowane do potrzeb.

• Speed Coaching, krótkie sesje, które dają nowe perspektywy i rozwiązania.

• Treningi sportowe, wewnętrzna drużyna, wspólne zawody.

• Biegłość w podstawach inżynierii oprogramowania oraz produkcyjnych standardach kodowania, ze szczególnym naciskiem na modularną i łatwą w utrzymaniu architekturę.

• Doświadczenie we wdrażaniu i utrzymaniu modeli ML w środowiskach produkcyjnych, w tym automatycznym monitorowaniu i rozwiązywaniu incydentów.

• Zaawansowana wiedza z zakresu MLOps, obejmująca automatyzację cyklu życia modeli, CI/CD oraz procesy wydawnicze (release management).

• Znajomość platform chmurowych (preferowane GCP) do obsługi danych i obciążeń ML na dużą skalę.

• Zaawansowana znajomość Pythona i SQL w kontekście inżynierii ML – w szczególności do orkiestracji trenowania i wspierania inferencji.

• Dogłębna znajomość zasad DevOps oraz Service Reliability Engineering (SRE) stosowanych w systemach ML.

• Umiejętność wykorzystywania narzędzi do kodowania wspomaganych przez AI w celu zwiększenia produktywności inżynierskiej i utrzymania wysokiej jakości kodu.

• Angielski: B2+

• Doświadczenie w AdTech, systemach rankingowych lub rekomendacyjnych opartych na ML.

• Doświadczenie z rozproszonymi potokami przetwarzania danych i cech (np. Vertex Pipelines, Dask lub Spark).

• Znajomość ekosystemów serwowania w chmurze, architektury mikroserwisowej oraz wzorców integracji modeli między różnymi językami programowania.

• Doświadczenie z feature store'ami oraz mechanizmami zapewniania spójności między trenowaniem a serwowaniem.