Opis stanowiska

Szukamy doświadczonego ML Engineera, który będzie budował i utrzymywał produkcyjne modele wpływające bezpośrednio na decyzje biznesowe: do kogo kierujemy komunikację, co rekomendujemy i jak inwestujemy budżet marketingowy. Odpowiadasz za modele od początku do końca: od tworzenia cech w BigQuery, przez wdrożenie na GCP, po dostarczanie predykcji do zewnętrznych platform, gdzie uruchamiają automatyczne akcje, takie jak optymalizacja kampanii, rekomendacje czy ustalanie cen.

Obowiązki

  • Budowa, wdrażanie i utrzymanie produkcyjnych modeli ML w niezawodnym, dobrze przetestowanym kodzie w Pythonie
  • Tworzenie cech, kontrole jakości danych i cykliczne transformacje w BigQuery
  • Wdrażanie i obsługa workloadów ML na GCP (Vertex AI, Pub/Sub, Cloud Run, Composer/Airflow)
  • Integracja predykcji z zewnętrznymi platformami przez API w celu automatyzacji działań
  • Strojenie i ewaluacja modeli gradient boosting pod kątem metryk istotnych biznesowo
  • Kalibracja predykcji oraz ocena, jak błędy modelu wpływają na kolejne decyzje

Wymagania

  • Min. 5 lat praktycznego doświadczenia w inżynierii ML w Pythonie, w tym odpowiedzialność za wdrożone modele i niezawodny kod produkcyjny
  • Doświadczenie w integrowaniu predykcji z zewnętrznymi platformami przez API, umożliwiającym automatyczne akcje, takie jak optymalizacja kampanii, rekomendacje lub pricing
  • Zaawansowana znajomość SQL i BigQuery: tworzenie cech, kontrole danych, cykliczne transformacje
  • Praktyczne doświadczenie we wdrażaniu workloadów ML na GCP z użyciem usług takich jak Vertex AI, Pub/Sub, Cloud Run oraz Composer/Airflow
  • Produkcyjne wykorzystanie modeli gradient boosting (LightGBM, CatBoost lub XGBoost), w tym strojenie i ewaluacja względem metryk biznesowych
  • Umiejętność kalibracji predykcji i oceny, jak błędy modelu wpływają na decyzje podejmowane na dalszych etapach

Mocno widziane

  • Doświadczenie w łączeniu rekordów i zdarzeń klientów między systemami (entity matching, identity resolution)
  • Praca nad modelami skłonności do zakupu, retencji, segmentacji lub wartości życiowej klienta (LTV) w e-commerce lub DTC
  • Dostarczanie sygnałów konwersji server-side do platform reklamowych, w tym Google i Meta
  • Znajomość metod bayesowskich lub probabilistycznych modeli klienta, w tym BG/NBD lub Gamma-Gamma

Mile widziane

  • Eksperymenty, analiza przyczynowa lub metody bandytów (bandit) stosowane do inwestycji marketingowych
  • Docker, Terraform oraz zautomatyzowane pipeline’y budowania i wdrażania
  • Znajomość narzędzi AI do programowania, takich jak Cursor lub Claude Code