Η Salve.Inno είναι εταιρεία προσλήψεων και συμβουλευτικών υπηρεσιών που ιδρύθηκε το 2024 και έχει την έδρα της στο Γκντανσκ της Πολωνίας. Η μικρή της ομάδα βοηθά τις επιχειρήσεις να προσλαμβάνουν προσωπικό μέσω εξατομικευμένων στρατηγικών προσλήψεων, παγκόσμιας αναζήτησης ταλέντων για απομακρυσμένη εργασία, αξιολόγησης υποψηφίων και εμπειριών πρόσληψης σε ιστοτόπους καριέρας. Η εταιρεία δραστηριοποιείται στους τομείς των συμβουλευτικών υπηρεσιών, του μάρκετινγκ και της εφοδιαστικής, με εξειδίκευση στις προσλήψεις για θέσεις στο μάρκετινγκ, το forex και το iGaming. Η Salve.Inno υποστηρίζει επίσης οργανισμούς σε θέματα επικοινωνίας, διαφορετικότητας, ισότητας και συμπερίληψης, καθώς και στην ανάπτυξη αποτελεσματικότερων διαδικασιών πρόσληψης, ενώ δημοσιεύει ευκαιρίες απομακρυσμένης εργασίας και παρέχει συμβουλευτικές υπηρεσίες για μια παγκόσμια αγορά ταλέντων.
Ανώτερος μηχανικός μηχανικής μάθησης, επικεφαλής εφαρμοσμένης ΤΝ και MLOps
Ηγεσία σε λύσεις τεχνητής νοημοσύνης παραγωγής και MLOps σε διεθνή οργανισμό. Σχεδιασμός μοντέλων πρόβλεψης, διακυβέρνησης, ανάπτυξης και κλιμακούμενης αρχιτεκτονικής μηχανικής μάθησης.
Περιγραφή
- Ανάληψη ευθύνης για μοντέλα μηχανικής μάθησης από την ανάπτυξη έως την παρακολούθηση στην παραγωγή και την επανεκπαίδευσή τους.
- Ηγεσία σε έργα εφαρμοσμένης τεχνητής νοημοσύνης για την αξία διάρκειας ζωής πελατών, την απώλεια πελατών, την απάτη και την πρόληψη κατάχρησης.
- Δημιουργία και βελτίωση πλαισίων MLOps, αυτοματοποιημένων αναπτύξεων, CI/CD, προώθησης μεταξύ περιβαλλόντων και διαχείρισης του κύκλου ζωής μοντέλων.
- Δημιουργία παρακολούθησης για την απόδοση μοντέλων, την απόκλιση δεδομένων, την ποιότητα δεδομένων και τα επιχειρηματικά αποτελέσματα.
- Καθορισμός στρατηγικών επανεκπαίδευσης μοντέλων, διαδικασιών κλιμάκωσης ζητημάτων και πρακτικών συνεχούς βελτίωσης.
- Χρήση των SHAP και απόδοσης χαρακτηριστικών για μεγαλύτερη διαφάνεια και ερμηνευσιμότητα των μοντέλων.
- Καθορισμός προτύπων για τη διακυβέρνηση μοντέλων, την τεκμηρίωση, τον έλεγχο εκδόσεων, την αναπαραγωγιμότητα και την ελεγξιμότητα.
- Συνεργασία με τη Μηχανική Δεδομένων σε κλιμακούμενες ροές δεδομένων, τη μηχανική χαρακτηριστικών και αξιόπιστες υποδομές δεδομένων.
- Μετατροπή επιχειρηματικών προκλήσεων σε πρακτικές, κλιμακούμενες λύσεις τεχνητής νοημοσύνης μαζί με τις ομάδες Προϊόντος, Κινδύνου, Εμπορικής Διεύθυνσης και άλλες ομάδες.
- Εξέταση της απόδοσης μοντέλων παραγωγής για τη βελτίωση της ακρίβειας, της αξιοπιστίας και του επιχειρηματικού αντίκτυπου.
- Διατήρηση προτύπων παραγωγής για σταθερότητα, κλιμάκωση, συντηρησιμότητα και λειτουργική αποδοτικότητα.
- Καθοδήγηση και υποστήριξη συναδέλφων μηχανικών.
- Εξισορρόπηση της γρήγορης παράδοσης MVP με τη μακροπρόθεσμη αξιοπιστία και κλιμάκωση στην παραγωγή.
Απαιτήσεις
- Επαγγελματική εμπειρία 5–8 ετών ή περισσότερων στην κατασκευή, ανάπτυξη και συντήρηση μοντέλων μηχανικής μάθησης σε περιβάλλον παραγωγής.
- Προχωρημένες δεξιότητες Python και ισχυρές βάσεις στη μηχανική λογισμικού.
- Κατανόηση αλγορίθμων μηχανικής μάθησης, αξιολόγησης μοντέλων, μηχανικής χαρακτηριστικών και προγνωστικής μοντελοποίησης.
- Πρακτική εμπειρία με ζητήματα ML στην παραγωγή, όπως διαρροή δεδομένων, απόκλιση μοντέλων, ποιότητα δεδομένων και σταθερότητα μοντέλων.
- Πρακτική εμπειρία με Apache Spark ή PySpark για κατανεμημένους υπολογισμούς και επεξεργασία δεδομένων μεγάλης κλίμακας.
- Εμπειρία χρήσης του MLflow ή αντίστοιχης πλατφόρμας για τη διαχείριση του κύκλου ζωής της μηχανικής μάθησης.
- Εμπειρία στον σχεδιασμό, την υλοποίηση και τη συντήρηση αγωγών CI/CD, κατά προτίμηση με το GitHub Actions.
- Προχωρημένες δεξιότητες SQL και εμπειρία με μεγάλα και σύνθετα σύνολα δεδομένων.
- Κατανόηση της ανάπτυξης μοντέλων, της παρακολούθησης, του εντοπισμού απόκλισης, της επανεκπαίδευσης και της συντήρησης στην παραγωγή.
- Εμπειρία στην εφαρμογή μεθόδων επεξηγησιμότητας και ερμηνευσιμότητας μοντέλων, όπως το SHAP.
- Παράδοση λύσεων AI/ML που επέφεραν μετρήσιμες εμπορικές ή λειτουργικές βελτιώσεις.
- Κατανόηση των απαιτήσεων για τη διακυβέρνηση, την έκδοση, την τεκμηρίωση και την αναπαραγωγιμότητα μοντέλων.
- Ικανότητα σχεδιασμού κλιμακούμενων, αξιόπιστων και συντηρήσιμων αρχιτεκτονικών μηχανικής μάθησης.
- Ισχυρή αναλυτική σκέψη και δεξιότητες επίλυσης προβλημάτων.
- Ικανότητα σαφούς επικοινωνίας σύνθετων τεχνικών εννοιών σε μη τεχνικούς ενδιαφερόμενους.
- Εμπειρία συνεργασίας με ομάδες όπως η Μηχανική Δεδομένων, το Προϊόν, ο Κίνδυνος και η Εμπορική Διεύθυνση.
- Ικανότητα εξισορρόπησης της γρήγορης ανάπτυξης και παράδοσης MVP με την ορθή μηχανική παραγωγής.
- Επίδειξη ηγετικών ικανοτήτων μέσω καθοδήγησης, τεχνικής επιρροής και βέλτιστων πρακτικών μηχανικής.
- Προληπτική, ανεξάρτητη και προσανατολισμένη στα αποτελέσματα προσέγγιση στην παράδοση λύσεων τεχνητής νοημοσύνης.
Παροχές
- Ανταγωνιστικές αποδοχές ανάλογα με την εμπειρία και τα προσόντα.
- Ολοκληρωμένα προγράμματα κατάρτισης και επαγγελματικής ανάπτυξης εργαζομένων.
- Ευκαιρίες ηγεσίας σε πρωτοβουλίες τεχνητής νοημοσύνης και μηχανικής μάθησης με σημαντικό αντίκτυπο.
- Επαφή με προηγμένες τεχνολογίες μηχανικής μάθησης και σύγχρονες πρακτικές MLOps.
- Διεθνές εργασιακό περιβάλλον με συνεργασία μεταξύ διαφορετικών ομάδων.
- Εκδηλώσεις της εταιρείας, της ομάδας και του ομίλου.
- Παροχές γενεθλίων και επιβράβευσης της αφοσίωσης.
- Ευκαιρίες επαγγελματικής εξέλιξης και τεχνικής ηγεσίας.
- Πρόσθετες παροχές και κίνητρα για εργαζομένους.