Python Developer (ML)
Summary
Builds and deploys ML models to drive sales of financial products like FX, leasing, and factoring, using Python, SQL, and MLOps tooling.
📍 Lokalizacja: Warszawa lub Poznań (spotkania biznesowy w biurze - 2 razy w tygodniu)
💰 Stawka: do 105 zł/h netto (B2B)
O projekcie
Poszukujemy Programisty Python (Mid) do zespołu, który łączy kompetencje z obszaru Data Science, Machine Learning oraz inżynierii oprogramowania. Tworzymy rozwiązania mające bezpośredni wpływ na sprzedaż i rozwój produktów finansowych. Pracujemy nad modelami predykcyjnymi wspierającymi sprzedaż takich produktów jak FX, leasing, faktoring, gwarancje krajowe i zagraniczne, a także nad nowymi rozwiązaniami analitycznymi wspierającymi rozwój biznesu. Szukamy osoby, która chce uczestniczyć w całym cyklu życia modeli – od przygotowania danych, przez budowę i wdrożenie, po utrzymanie środowisk produkcyjnych.
Zakres obowiązków:
Projektowanie, budowa, trenowanie i walidacja modeli Machine Learning.
Przygotowywanie i przetwarzanie danych (data wrangling, feature engineering).
Tworzenie oraz rozwój pipeline’ów danych i procesów ETL.
Wdrażanie modeli do środowisk produkcyjnych oraz integracja z istniejącymi systemami.
Optymalizacja zapytań SQL i praca na dużych wolumenach danych.
Współpraca z zespołami biznesowymi i technicznymi przy rozwoju rozwiązań wspierających sprzedaż.
Utrzymanie i rozwój procesów MLOps oraz automatyzacja wdrożeń.
Wymagania
Minimum 3 lata doświadczenia w obszarze Machine Learning lub Data Science w projektach produkcyjnych.
Bardzo dobra znajomość języka Python.
Praktyczna znajomość bibliotek ML, takich jak: scikit-learn, pandas, numpy, LightGBM, XGBoost.
Doświadczenie w budowie, trenowaniu i walidacji modeli uczenia nadzorowanego (supervised learning).
Dobra znajomość SQL / SQL Server, w tym optymalizacji zapytań i pracy z dużymi zbiorami danych.
Umiejętność przygotowania danych oraz tworzenia cech (feature engineering).
Doświadczenie we wdrażaniu modeli ML do środowisk produkcyjnych (API, batch processing, integracje systemowe).
Znajomość dobrych praktyk MLOps, w tym wersjonowania modeli, CI/CD oraz Docker.
Doświadczenie w pracy z pipeline’ami danych (SSIS, Python lub inne narzędzia ETL).