Senior Machine Learning Engineer
New
P
PeopleTrust Sp. z o.o.AI, Energy, Finance
100% zdalnej pracy z możliwością korzystania z biura w WarszawieFull-TimeSenior
Salary7087 - 8415 USD per hour b2b currencySource=conversion; 5835 - 6929 CHF per hour b2b currencySource=conversion; 6173 - 7330 EUR per hour b2b currencySource=conversion; 5295 - 6288 GBP per hour b2b currencySource=conversion; 26880 - 31920 PLN per hour b2b currencySource=original
Apply NowOpens the employer's application page
Job Details
- Languages
- Pl C2, en C1
- Experience
- Wieloletnie
- Required Skills
- DockerPythonArtificial IntelligenceGitMachine Learning
Requirements
- Wieloletnie, praktyczne doświadczenie w Machine Learning lub Data Science, ze szczególnym naciskiem na szeregi czasowe i prognozowanie.
- Udokumentowane doświadczenie w samodzielnym prowadzeniu złożonych projektów związanych z prognozowaniem.
- Bardzo dobra znajomość metod walidacji danych czasowych: walk-forward validation, purging, embargo, dobór okna oraz analiza zmian reżimów.
- Umiejętność samodzielnego rozpoznawania data leakage, overfittingu i podejrzanie dobrych wyników.
- Bardzo dobre rozumienie działania i oceny modeli neuronowych.
- Bardzo dobra znajomość Pythona i umiejętność tworzenia produkcyjnego, czytelnego oraz powtarzalnego kodu.
- Znajomość Git, Docker oraz narzędzi do zarządzania środowiskami Python, takich jak venv lub uv.
- Znajomość DuckDB i formatu Parquet.
- Doświadczenie w wykorzystywaniu narzędzi AI podczas codziennej pracy.
- Język polski na poziomie co najmniej B2/C1.
- Język angielski na poziomie co najmniej B2+/C1.
Responsibilities
- Prowadzenie samodzielnych eksperymentów prognostycznych na szeregach czasowych – od postawienia hipotezy, przez przygotowanie eksperymentu i modelu, aż po analizę oraz obronę wyciągniętych wniosków.
- Dobór i testowanie metod modelowania odpowiednich do charakterystyki danych, obejmujących modele klasyczne, gradient boosting, sieci neuronowe oraz nowoczesne modele fundamentalne dla szeregów czasowych.
- Projektowanie poprawnych metod walidacji dla danych czasowych, w tym walk-forward validation, purging, embargo oraz dobór odpowiednich okien treningowych i testowych.
- Samodzielne wykrywanie data leakage, overfittingu oraz innych problemów mogących prowadzić do zawyżonych lub niewiarygodnych wyników.
- Krytyczna analiza wyników eksperymentów prowadzonych przez pozostałych członków zespołu.
- Współtworzenie i egzekwowanie standardów prowadzenia eksperymentów ML, obejmujących jasno zdefiniowaną hipotezę, sposób walidacji, model bazowy oraz kryteria zakończenia eksperymentu.
View Full Description & ApplyYou'll be redirected to the employer's site
