Ekspert AI oraz Data

DRX Technologies poszukuje doświadczonej osoby z obszaru sztucznej inteligencji, uczenia maszynowego i inżynierii danych, która chciałaby dzielić się wiedzą oraz aktywnie rozwijać kompetencje przyszłych specjalistów.

Tworzymy kompleksowy, praktyczny program szkoleniowy obejmujący pełny cykl pracy z danymi i rozwiązaniami AI: od dobrych praktyk inżynierii oprogramowania, przez budowę potoków danych i modeli analitycznych, aż po wdrażanie oraz monitorowanie rozwiązań w środowiskach produkcyjnych.

Szukamy eksperta, który potrafi łączyć doświadczenie technologiczne z umiejętnością przystępnego przekazywania wiedzy. Program będzie realizowany przede wszystkim w formule warsztatowej, na podstawie rzeczywistych przypadków użycia, pracy z kodem oraz projektów odwzorowujących środowisko komercyjne.

Zakres roli

Do głównych zadań osoby prowadzącej należeć będzie:

• prowadzenie zajęć praktycznych, warsztatów oraz sesji mentoringowych,

• wspieranie uczestników o różnym poziomie doświadczenia technicznego,

• przygotowywanie i rozwijanie autorskich materiałów, ćwiczeń oraz projektów praktycznych,

• przegląd kodu i przekazywanie konstruktywnego feedbacku,

• promowanie dobrych praktyk w zakresie jakości kodu, testowania i dokumentacji,

• wyjaśnianie architektury nowoczesnych platform danych i AI,

• prezentowanie pełnego cyklu życia modeli, od przygotowania danych i eksperymentów po wdrożenie oraz monitoring,

• współtworzenie standardów merytorycznych i dydaktycznych programu.

Kogo szukamy

Poszukujemy osoby, która:

• posiada rozległe doświadczenie komercyjne w realizacji projektów z obszaru AI, Machine Learning lub Data Engineering,

• pracowała przy złożonych rozwiązaniach wykorzystywanych w środowiskach produkcyjnych,

• swobodnie porusza się w pracy z danymi, modelami uczenia maszynowego i nowoczesnym stosem technologicznym,

• potrafi wyjaśniać złożone zagadnienia w jasny, uporządkowany i angażujący sposób,

• umie dostosować sposób prowadzenia zajęć do poziomu wiedzy uczestników,

• posiada rozwinięte umiejętności komunikacyjne i mentoringowe,

• potrafi formułować rzeczowy feedback oraz budować partnerskie relacje z uczestnikami,

• przykłada dużą wagę do jakości kodu, dobrych praktyk inżynierskich i praktycznego zastosowania przekazywanej wiedzy.

Doświadczenie w prowadzeniu szkoleń, warsztatów, mentoringu technicznego lub wystąpień branżowych będzie dodatkowym atutem.

Co oferujemy

• możliwość współtworzenia kompleksowego programu rozwoju kompetencji w obszarze danych i sztucznej inteligencji,

• realny wpływ na zakres merytoryczny, metodykę oraz standardy prowadzenia kursu,

• współpracę opartą na praktycznych projektach i aktualnych technologiach,

• elastyczny model zaangażowania, dopasowany do dostępności oraz zakresu odpowiedzialności,

• konkurencyjny, indywidualnie ustalany model wynagrodzenia,

• możliwość długofalowej współpracy przy kolejnych edycjach i inicjatywach edukacyjnych.

Zakres merytoryczny programu

Program prowadzi uczestników przez spójną ścieżkę rozwoju kompetencji: od fundamentów inżynierii oprogramowania i pracy z danymi po zaawansowane rozwiązania Machine Learning oraz wdrażanie modeli.

Fundamenty i inżynieria oprogramowania

• praca z repozytorium i Git: branching, pull requesty oraz code review,

• organizacja pracy w zespołowym środowisku projektowym,

• Python w analizie danych: typy danych, funkcje i struktury programu,

• praca w środowiskach Jupyter oraz Visual Studio Code,

• dobre praktyki tworzenia, testowania i dokumentowania kodu.

Praca z danymi i potoki przetwarzania

• pozyskiwanie danych z plików CSV, Excel oraz interfejsów API,

• projektowanie warstwy raw i procesów ingestion,

• czyszczenie danych z wykorzystaniem biblioteki pandas,

• obsługa brakujących danych, wartości odstających i typów danych,

• transformacje danych: merge, groupby oraz pivot,

• budowa warstwy clean,

• eksploracyjna analiza danych i wizualizacja,

• formułowanie wniosków analitycznych oraz biznesowych.

SQL i modelowanie danych

• SQL na poziomie podstawowym i zaawansowanym,

• JOIN, CTE oraz funkcje okienkowe,

• optymalizacja zapytań, indeksy i plany wykonania,

• projektowanie schematów danych,

• modelowanie typu Star Schema,

• fakty, wymiary i relacje pomiędzy danymi,

• kontrola jakości danych,

• walidacje, reguły jakościowe i automatyczne testy danych.

Big Data i architektura platform danych

• przetwarzanie dużych zbiorów danych z użyciem Spark i PySpark,

• projektowanie architektury warstwowej raw, silver i gold,

• podstawy przetwarzania strumieniowego,

• micro-batch, incremental load oraz watermarking,

• wykorzystanie usług Azure: ADLS, Data Factory, Synapse i Power BI,

• projekt końcowy obejmujący kompletny potok danych, proces CI/CD oraz dokumentację techniczną.

Machine Learning: fundamenty

• cykl życia projektu Machine Learning,

• budowa modelu bazowego, walidacja i prowadzenie eksperymentów,

• podział danych na zbiory treningowe, walidacyjne i testowe,

• dobór oraz interpretacja metryk,

• tworzenie pipeline'ów preprocessingowych,

• encoding, scaling oraz ColumnTransformer,

• feature engineering,

• agregacje, interakcje pomiędzy cechami i PCA,

• identyfikowanie oraz eliminowanie data leakage,

• prawidłowa walidacja modeli.

Machine Learning: modele i ewaluacja

• modele regresyjne: Linear Regression, Ridge i Lasso,

• modele klasyfikacyjne: Logistic Regression, drzewa decyzyjne i Random Forest,

• Support Vector Machines,

• metody ensemble: boosting i bagging,

• analiza oraz porównywanie wyników modeli,

• analiza błędów,

• interpretowalność modeli,

• SHAP, feature importance oraz model cards,

• optymalizacja hiperparametrów,

• Grid Search, Random Search i cross-validation.

Machine Learning: zagadnienia zaawansowane

• uczenie nienadzorowane,

• clustering z wykorzystaniem K-Means i metod hierarchicznych,

• wykrywanie anomalii, między innymi z użyciem Isolation Forest,

• monitorowanie jakości danych i data drift,

• prognozowanie szeregów czasowych,

• ARIMA, exponential smoothing i backtesting,

• podstawy Deep Learning,

• sieci neuronowe, CNN, RNN, LSTM oraz architektury Transformer,

• Azure Machine Learning,

• AutoML, wdrażanie endpointów oraz monitoring modeli.

Szukamy osoby, która chce nie tylko przekazywać wiedzę, lecz także współtworzyć wysokiej jakości program edukacyjny oparty na rzeczywistych wyzwaniach technologicznych i standardach pracy stosowanych w branży. Grafik zajęć jest elastyczny i można go dopasować do swoich obowiązków.