Wymagania

Technologie wymagane

Python

Tenserflow

Keras

Pytorch

PySpark

Nasze wymagania

• Doświadczenie zawodowe na stanowisku Programisty Deep Learning minimum 3 lata;
• Doświadczenie projektowe w zakresie uczenia głębokiego, minimum 1 projekt;
• Doświadczenie projektowe w programowaniu w języku Python, minimum 1 projekt;
• Doświadczenie projektowe w przetwarzaniu i analizie dużych zbiorów danych, minimum 1 projekt;
• Doświadczenie projektowe w przetwarzaniu języka naturalnego i rozpoznawaniu obrazów, minimum 1 projekt;
• Znajomość frameworków uczenia głębokiego (np. Tensorflow, Keras, PyTorch);
• Znajomość PySpark;
• Znajomość algorytmów ML
• Dobra organizacja pracy własnej, orientacja na realizacje celów;
• Umiejętności interpersonalne i organizacyjne, planowanie;
• Komunikatywność, kreatywność, samodzielność, kultura osobista i odporność na stres, dociekliwość; Zdolność adaptacji i elastyczność, otwartość na stały rozwój i gotowość uczenia się.

Twój zakres obowiązków

• Tworzenie i rozwój modeli uczenia głębokiego
• Projektowanie, implementacja i optymalizacja modeli deep learning (np. CNN, RNN, Transformer) w oparciu o nowoczesne frameworki, takie jak TensorFlow, Keras czy PyTorch.
• Udział w pełnym cyklu życia projektu: od analizy danych, przez trening modeli, po ich walidację i wdrażanie do środowisk produkcyjnych.
• Przetwarzanie języka naturalnego (NLP) i rozpoznawanie obrazów
• Projektowanie i implementacja rozwiązań w zakresie NLP (np. analiza sentymentu, ekstrakcja informacji, klasyfikacja tekstu).
• Tworzenie modeli do przetwarzania i rozpoznawania obrazów (np. klasyfikacja, detekcja obiektów, segmentacja obrazu).
• Praca z dużymi zbiorami danych
• Przetwarzanie, analiza i przygotowanie danych wejściowych do modeli uczenia maszynowego i głębokiego.
• Wykorzystanie narzędzi typu PySpark do pracy z dużymi wolumenami danych w środowiskach rozproszonych.
• Programowanie w języku Python
• Tworzenie, testowanie i dokumentowanie kodu w języku Python z wykorzystaniem bibliotek wspierających machine learning i deep learning (np. NumPy, pandas, scikit-learn, TensorFlow, PyTorch).
• Zapewnienie wysokiej jakości kodu oraz przestrzeganie dobrych praktyk inżynierii oprogramowania.
• Zastosowanie algorytmów uczenia maszynowego
• Implementacja klasycznych i nowoczesnych algorytmów ML oraz ich integracja z rozwiązaniami opartymi na głębokim uczeniu.
• Współpraca z zespołami analityków i naukowców danych w zakresie doboru odpowiednich algorytmów i metod modelowania.
• Współpraca projektowa i organizacyjna
• Udział w pracach zespołów projektowych, współpraca z analitykami, inżynierami danych i innymi programistami.
• Planowanie, organizacja i monitorowanie własnych zadań zgodnie z harmonogramem projektowym.
• Rozwój osobisty i kompetencje miękkie
• Utrzymywanie aktualnej wiedzy w dziedzinie uczenia maszynowego i głębokiego.
• Wykazywanie się komunikatywnością, kreatywnością i dociekliwością w podejściu do rozwiązywania problemów.
• Zachowanie wysokiej kultury osobistej, odporności na stres oraz gotowości do ciągłego uczenia się i adaptacji do zmieniających się warunków.