Machine Learning Engineer

Stack

Feladatok

• ▹ML-alapú funkciók tervezéstől a bevezetésig való tulajdonlása, termék-, dizájn- és fejlesztőcsapatokkal együttműködve
• ▹Szakterületi tudás megosztása és dokumentálása a termékterület számára
• ▹Önálló prioritizálás a funkciófejlesztés, minőség és karbantartás között
• ▹Csapattársak támogatása pairinggel, code review-val, együttműködéssel
• ▹ML szolgáltatások és adatpipeline-ok deploy-pipeline-jainak megértése és hibaelhárítása
• ▹Monitoring és observability eszközök használata riasztások és incidensek kezelésére, ügyeleti rotációban részvétel
• ▹Szakértőként funkcionálni a tulajdonolt funkciók, adat-szerződések, SLA-k és függőségek terén
• ▹AI eszközök aktív használata és elterjesztésének támogatása a vállalaton belül

Elvárások

• ▹4+ év iparági tapasztalat alkalmazott machine learning területén, gyártásban futó ML modellek szállításával és üzemeltetésével
• ▹A teljes ML életciklus mély ismerete: felfedező adatelemzés, feature engineering, modellezés, validáció, szolgáltatás, monitoring
• ▹Tapasztalat statisztikai és ML modellek fejlesztésében (pl. bevétel-előrejelzés, churn-elemzés, ajánlórendszer, anomáliadetektálás, NLP)
• ▹Gyakorlati tapasztalat menedzselt szolgáltatással (pl. Vertex AI, SageMaker) magas forgalmú, alacsony késleltetésű alkalmazásokhoz
• ▹Alapmodellek és nyílt forráskódú ökoszisztéma ismerete, finomhangolás és prompt engineering
• ▹Erős programozási (Python/Scala/Java/SQL) és adatmérnöki készségek
• ▹Jártasság ML keretrendszerekben (Keras, TensorFlow, PyTorch) és ETL/workflow eszközökben (Spark, Beam, Airflow, VertexAI)
• ▹Idősoros adatokkal kapcsolatos tapasztalat
• ▹Szemantikus keresés és embedding-ek ismerete
• ▹Jogosultság az USA-ban való munkavégzésre

Soft skillek

Amit kínálunk

• ▹Versenyképes alapbér (sávos, elhelyezkedés szerint)
• ▹Top Performer Bónusz program
• ▹Részvényjuttatás (equity)
• ▹Versenyképes juttatási csomag
• ▹Távoli munkavégzés

A munkáltatóról

A Calendly Data Science & Machine Learning csapata innovációval alakítja az üzleti döntéshozatalt és ügyfélélményt, ML modellekkel javítva az ügyfélutat.