ML Engineer

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

Tech stack

• AI