Mittlerer/leitender Ingenieur für maschinelles Lernen in Provectus

3. September 2024

Middle/Senior Machine Learning Engineer

Kiew, Odesa, Warschau (Polen), Neustadt (Serbien), Neustadt (Serbien), aktualisiert

Werden Sie Teil von Provectus und werden Sie Teil eines Teams, das sich der Entwicklung hochmoderner Technologielösungen widmet, die einen positiven Einfluss auf die Gesellschaft haben. Unser Unternehmen ist auf KI- und ML-Technologien, Cloud-Dienste und Datentechnik spezialisiert und wir sind stolz auf unsere Fähigkeit, Innovationen voranzutreiben und die Grenzen des Möglichen zu erweitern.

Als ML-Ingenieur erhalten Sie alle Möglichkeiten zur Entwicklung und zum Wachstum.

Lassen Sie uns gemeinsam daran arbeiten, eine bessere Zukunft für alle zu schaffen!

• Bequem mit Standard-ML-Algorithmen und zugrunde liegende Mathematik.
• Praktische Erfahrung mit der Lösung von Klassifizierungs- und Regressionsaufgaben im allgemeinen Feature-Engineering.
• Praktische Erfahrung mit ML-Modellen in der Produktion.
• Praktische Erfahrung mit einem oder mehreren Anwendungsfällen aus den folgenden Bereichen: NLP, LLMs und Empfehlungs-Engines.
• Solide Software-Engineering-Kenntnisse (d. h. die Fähigkeit, gut strukturierte Module zu erstellen, nicht nur Notebook-Skripte).
• Python-Expertise, Docker.
• Englischniveau – starke Mittelstufe.
• Ausgezeichnete Kommunikations- und Problemlösungsfähigkeiten.
  
  Wird von Vorteil sein:

• Praktische Erfahrung mit Cloud-Plattformen (AWS-Stack wird bevorzugt, z. B. Amazon SageMaker, ECR , EMR, S3, AWS Lambda).
• Praxiserfahrung mit Deep-Learning-Modellen.
• Erfahrung mit Taxonomien oder Ontologien.
• Praktische Erfahrung mit Pipelines für maschinelles Lernen zur Orchestrierung komplizierter Arbeitsabläufe.
• Praxiserfahrung mit Spark/Dask, große Erwartungen.
  Verantwortlichkeiten:
  
• Erstellen Sie ML-Modelle von Grund auf oder verbessern Sie vorhandene Modelle.
• Arbeiten Sie mit dem Engineering-Team, Datenwissenschaftlern und Produktmanagern an Produktionsmodellen zusammen.
• Entwickeln Sie eine Experimentier-Roadmap.
• Richten Sie eine reproduzierbare Experimentierumgebung ein und pflegen Sie Experimentierpipelines.
• Überwachen und warten Sie ML-Modelle in der Produktion, um eine optimale Leistung sicherzustellen.
• Schreiben Sie eine klare und umfassende Dokumentation für ML-Modelle, -Prozesse und -Pipelines.
• Bleiben Sie über die neuesten Entwicklungen in ML und KI auf dem Laufenden und schlagen Sie innovative Lösungen vor.