Research Engineer - Machine Learning

Dlaczego miał(a)byś z nami pracować?

Pracując w zespole Machine Learning Research, będziesz odpowiadać za szukanie rozwiązań problemów badawczych które napotykamy w Allegro. Rozpoczynając pracę z nowym problemem, zgłębisz jego specyfikę oraz przeprowadzisz analizę literatury, szukając najbardziej obiecujących technik rozwiązania problemów

Będziesz odpowiadać za przygotowanie modeli do wdrożenia produkcyjnego, wspomagając zespół developerski. Twoją odpowiedzialnością będzie zagwarantowanie poprawnego funkcjonowania modelu na produkcji oraz wsparcie eksperckie

w zagadnieniach związanych z wydajnością proponowanych rozwiązań

Będziesz wspomagać inne zespoły w realizacji zadań wymagających stosowania modeli. Twoja pomoc będzie potrzebna zarówno na poziomie merytorycznym (np. jaka architektura modelu będzie odpowiednia dla domeny) jak i warsztatowym (budowanie zbiorów danych do modelowania, modelowanie, metryki, wdrażania rozwiązań opartych

o ML na produkcję)

Aby stosować rozwiązania state-of-the-art, będziesz na bieżąco

z obecnymi odkryciami naukowymi. Będziesz pogłębiać wiedzę czytając najnowsze publikacje naukowe ze swojej domeny, dzieląc się wiedzą

z innymi członkami zespołów badawczych działających w Allegro. Będziesz uczestniczyć w konferencjach naukowych, odwiedzając miejsca, gdzie prezentowane są najnowsze odkrycia

Będziesz mieć możliwość opisania wyników swoich badań w publikacjach naukowych oraz udziału w konferencjach naukowych (wystąpienia ustne, sesje posterowe). Będziesz rozwijać zarówno swoją karierę naukową jak

i zaznaczać obecność Allegro w świecie nauki

W swojej codziennej pracy będziesz poszerzać swoją wiedzę współpracując z ludźmi, którzy mają praktyczne doświadczenie we wdrażaniu modeli opartych o uczenie maszynowe na skalę niespotykaną nigdzie indziej w Polsce

Szukamy kandydatów, którzy:

Posiadają stopień magistra bądź doktora w dziedzinie uczenia maszynowego, matematyki, informatyki, statystyki bądź pokrewnych

Mają dobrą znajomość technik uczenia maszynowego (sieci neuronowe, modele lasów drzew decyzyjnych, modele Bayes’owskie), przynajmniej

w jednej domenie (information retrieval, przetwarzanie i rozumienie języka naturalnego, szeregi czasowe itd.)

Znają metodyki prowadzenia badań naukowych oraz stosowania iteracyjnego procesu prowadzenia eksperymentów

Posiadają doświadczenie w pracy z rzeczywistymi danymi, odstającymi jakością od standardowych, dobrze opracowanych zbiorów stosowanych w pracach badawczych

Stosują metody statystyczne

Znają Pythona oraz biblioteki niezbędne do pracy z tworzeniem modeli (XGBoost, LightGBM, Tensorflow, PyTorch, Pandas, Numpy, itp.)