Senior machine learning engineer

Stack

Feladatok

• ▹Gépi tanulási projektek végigvitele: ütemterv, problémameghatározás, pipeline-ok építése, éles üzembe vitel
• ▹Üzleti célok átfordítása ML-megoldásokra, eredmények, korlátok és bizonytalanság érthető elmagyarázása az üzleti érdekelteknek
• ▹Technikai döntések meghozatala, érdemi részvétel az implementációban, más mérnökök mentorálása code review és tervezési viták útján
• ▹Előrejelzés, osztályozás és anomáliadetektálás az ipari IoT-szenzorok idősoraira
• ▹Munka a szenzoradatok valóságával: hiányok, drift, kevés címke, folyamatosan változó eszközpopuláció
• ▹Az elkészített modellek üzemeltetése: monitorozás, drift-detektálás, újratanítás, és a függő adatpipeline-ok alakítása
• ▹Agentic kódolóeszközök (Claude Code, Copilot, Cursor és hasonlók) használata a napi munkában; az AI által generált kód ugyanolyan mércével mérése
• ▹Repók, tesztek és dokumentáció úgy felépítése, hogy emberek és ügynökök is hatékonyan dolgozhassanak bennük
• ▹Az Anova AI Handbook modellkockázati és human-in-the-loop validációs irányelveinek alkalmazása minden olyan modellre, amelynek kimenete ügyfélhez jut vagy automatizált műveletet hajt
• ▹Jó gyakorlatok alakítása az adatmérnökség, a gépi tanulás és az MLOps területén

Elvárások

• ▹Informatikai, adattudományi, mérnöki vagy kapcsolódó kvantitatív területen szerzett alapdiploma vagy azzal egyenértékű tanulmány és tapasztalat
• ▹5+ év gépi tanulási mérnöki vagy közeli szoftvermérnöki tapasztalat, gyakorlati éles telepítéssel (6-8 év előnyben)
• ▹Gyakorlati tapasztalat éles, felhő-natív gépi tanulási megoldások szállításában
• ▹Erős Python és a hozzá tartozó mérnöki szokások: git, code review, linterek, unit tesztek, CI/CD napi szinten
• ▹Erős értés a feature engineeringről, ML algoritmusokról, modelltanításról és kiértékelésről
• ▹Stabil tapasztalat a modern ML-stackben: gradient boosting (LightGBM, XGBoost), scikit-learn, PyTorch, MLflow és aktuális idősor-eszközök
• ▹Tapasztalat modellek éles üzemeltetésében: telepítés, monitorozás, drift-detektálás, újratanítás, MLOps gyakorlatok
• ▹Jártasság agentic kódolóeszközökben
• ▹Folyékony angol írásban és szóban

Előny

• ▹Mélyebb tudás az Azure Databricks platformról: PySpark, MLflow, streaming pipeline-ok
• ▹Tapasztalat agentic munkafolyamatok éles bevezetésében
• ▹Ismeret az MCP-ről (Model Context Protocol) vagy hasonló mintákról, amelyekkel modellek eszközként tehetők elérhetővé más ügynököknek
• ▹Ipari, energetikai vagy IoT területi tapasztalat

Soft skillek

Amit kínálunk

• ▹Hibrid munkavégzés a porti irodából; a munka nagy része távolról végezhető, alkalmi irodai jelenléttel a csapatmunkához

A munkáltatóról

Az ipari IoT (IIoT) megoldások egyik vezető cége, amely biztonságos, hatékony és megbízható működést támogat iparágakon átívelően világszerte.