DEEPSENSE.AI

Dział IT

Intern Machine Learning Engineer

IDEALNY KANDYDAT TO:

Super jeżeli jesteś studentem ostatniego roku studiów inżynierskich lub magisterskich na kierunku m.in: Informatyka, Analiza i Przetwarzanie Danych, Data Science, Data Engineering, Matematyka, tak aby po zakończonym stażu praca w wymiarze min. ⅘ etatu była dla Ciebie możliwa. Stawiamy na znajomość Pythona, a wszelkie doświadczenia projektowe prywatne, uczelniane, udział w szkoleniach czy konkursach w obszarze uczenia maszynowego są bardzo mile widziane.

Stack technologiczny:
Języki programowania: Python (wymagane).
Systemy kontroli wersji: Git (wymagane).
Rozwiązania chmurowe: AWS, Azure, Google Cloud (wymagana podstawowa wiedza z jednego z wymienionych rozwiązań).
ML/DL: scikit-learn, pandas, xgboost, lightGBM, PyTorch, TensorFlow, Keras (wymagana znajomość co najmniej jednego z wymienionych narzędzi).
Podstawowa znajomość uczenia maszynowego (wymagane).
Dobra wiedza z zakresu inżynierii oprogramowania (wymagane).

Mile widziane:
MLOps: zarządzanie cyklem życia modelu ML.
Monitorowanie modeli: mlflow, neptune.
Design patterns, code smells, continuous integration, code review, unit / functional / regression tests, bazy danych, systemy operacyjne, sieci komputerowe, Flask, kontenery (Docker).

CEL/PROGRAM STAŻU:

Nasz coroczny wakacyjny program stażowy od lat cieszy się dużą popularnością. W każdej edycji zapraszamy na pokład kilka osób. Przez trzy miesiące młodzi specjaliści zgłębiają wiedzę w obszarze sztucznej inteligencji oraz uczenia maszynowego, podejmując się realnych rozwiązań. Od początku zainicjowania Programu, założyliśmy sobie jeden podstawowy cel – nawiązanie długofalowej współpracy, chcemy, aby staż był szansą na rozpoczęcie drogi zawodowej dla zdolnych, ambitnych, z ogromnym potencjałem zapaleńców AI.

ZADANIA STAŻYSTY:

Machine Learning Engineer, to specjalista, który efektywnie łączy umiejętności analizy danych przypisane zwykle do roli Data Scientist z umiejętnościami programowania i wdrażania oprogramowania typowymi dla Software Engineer. Buduje i projektuje autonomiczne systemy uczenia maszynowego zdolne do przetwarzania dużej ilości danych i integracji z innym oprogramowaniem.

Jego rolą jest praca na styku Data Science i inżynierii oprogramowania – zapewnia, że modele i algorytmy ML są efektywnie implementowane i zoptymalizowane w ramach większych systemów, zapewniając ich wydajność, skalowalność, a przede wszystkim wartość biznesową. Zajmuje się wszystkimi aspektami cyklu życia modelu ML, od koncepcji, przez fazę developmentu, aż po deployment i monitorowanie w produkcji. Krótko mówiąc – jest bardziej “techniczny” niż Data Scientist, a bardziej “analityczny” niż zwykły inżynier oprogramowania.