Senior gépi tanulás mérnök

Stack

Feladatok

• ▹Végpontok közötti dokumentumintelligencia-pipeline-ok tervezése és megvalósítása AWS-en
• ▹ML-modellek fejlesztése és optimalizálása dokumentumosztályozáshoz, szegmentáláshoz és mezőkinyeréshez
• ▹Skálázható adatfeldolgozó rendszerek építése akár 2000 oldalas PDF-ekhez
• ▹Együttműködés szakértőkkel a kinyerési követelmények kialakításában
• ▹Funkciók gazdája a kutatástól a produkciós bevezetésig és monitorozásig
• ▹Értékelési keretrendszerek és minőségi metrikák kialakítása a kinyerés pontosságához

Elvárások

• ▹Python-tapasztalat (natív, Pandas, Scikit-Learn, TensorFlow vagy PyTorch, PyStats, Pydantic)
• ▹AWS ML-eszközök ismerete ML-mérnöki és üzemeltetési célra (SageMaker, Lambda, CloudFormation/CDK, Step Functions)
• ▹Haladó SQL- és adatmodellezési tudás
• ▹GenAI-tapasztalat dokumentumintelligenciához: prompt engineering, RAG, multimodális modellek (kép + szöveg), produkciós bevezetés AWS Bedrockkal vagy Azure OpenAI API-kkal
• ▹Kísérlettervezési tapasztalat (power analysis, hipotézisvizsgálat)
• ▹Jó írásbeli és szóbeli kommunikáció távoli, nagyrészt aszinkron környezetben
• ▹Összetett technikai problémák világos megfogalmazása és iteratív megoldások javaslata
• ▹Tapasztalat funkciók gazdájaként a koncepciótól a produkcióig

Előny

• ▹Dokumentumfeldolgozó eszközök (AWS Textract, Azure Document Intelligence vagy hasonló OCR/layout-felismerő rendszerek) ismerete
• ▹PDF- és képfeldolgozó könyvtárak (PyMuPDF, OpenCV, Pillow) ismerete
• ▹Gépi tanulási és data science tapasztalat (algoritmusválasztás, feature engineering, modellbetanítás, hiperparaméter-hangolás, pipeline-ok építése)
• ▹AWS big data technológiák (Redshift, S3, EMR, Glue stb.) ismerete

Soft skillek

A munkáltatóról

Az Exadel AI-first globális technológiai cég, 25+ év mérnöki tapasztalattal, 2000+ munkatárssal és 500+ aktív projekttel. Az ügyfél egy chicagói székhelyű járműélettani megoldás-szolgáltató, amely biztosítókat, szervizeket és alkatrész-beszállítókat köt össze.