Ang Salve.Inno ay isang kompanya ng recruitment at consulting na itinatag noong 2024 at naka-headquarter sa Gdańsk, Poland. Tinutulungan ng maliit nitong team ang mga negosyo na makapag-hire sa pamamagitan ng mga estratehiyang iniangkop sa kanilang pangangailangan, pandaigdigang paghahanap ng mga kandidatong remote, pagsusuri ng kandidato, at mga karanasan sa pag-hire sa pamamagitan ng career site. Nagkakabisa ang kompanya sa consulting, marketing, at logistics, na may kadalubhasaan sa recruitment para sa mga posisyon sa marketing, forex, at iGaming. Sinusuportahan din ng Salve.Inno ang mga organisasyon sa komunikasyon, DE&I, at pagbuo ng mas epektibong mga proseso sa pag-hire, habang naglalathala ng mga remote na oportunidad at nagbibigay ng mga serbisyong consulting para sa pandaigdigang talent market.
Senior na Pinuno ng Machine Learning Engineer, Applied AI at MLOps
Pangunahan ang mga AI solution at MLOps sa produksyon para sa isang internasyonal na organisasyon. Hubugin ang mga predictive model, pamamahala, deployment, at nasusukat na arkitektura ng machine learning.
Paglalarawan
- Pangasiwaan ang mga machine learning model mula sa pagbuo hanggang sa pagsubaybay sa produksyon at muling pagsasanay.
- Pangunahan ang mga applied AI project sa customer lifetime value, customer churn, pandaraya, at pagpigil sa pang-aabuso.
- Buuin at pagbutihin ang mga MLOps framework, awtomatikong deployment, CI/CD, pag-promote ng environment, at pamamahala sa lifecycle ng modelo.
- Gumawa ng pagsubaybay para sa performance ng modelo, paglihis ng data, kalidad ng data, at mga resulta sa negosyo.
- Magtakda ng mga estratehiya sa muling pagsasanay ng modelo, mga proseso ng escalation, at mga gawi para sa tuloy-tuloy na pagpapabuti.
- Gamitin ang SHAP at feature attribution upang gawing mas malinaw at madaling bigyang-kahulugan ang mga modelo.
- Magtakda ng mga pamantayan para sa pamamahala ng modelo, dokumentasyon, version control, reproducibility, at auditability.
- Makipagtulungan sa Data Engineering sa mga nasusukat na pipeline, feature engineering, at maaasahang imprastraktura ng data.
- Gawing praktikal at nasusukat na AI solution ang mga hamon sa negosyo kasama ang Product, Risk, Commercial, at iba pang team.
- Suriin ang performance ng mga modelong nasa produksyon upang mapahusay ang katumpakan, pagiging maaasahan, at epekto sa negosyo.
- Panatilihin ang mga pamantayan sa produksyon para sa katatagan, scalability, madaling pagpapanatili, at kahusayan sa operasyon.
- Gumabay at mag-mentor sa mga kapwa engineer.
- Pagbalansehin ang mabilis na paghahatid ng MVP at ang pangmatagalang pagiging maaasahan at scalability sa produksyon.
Mga Kinakailangan
- May 5–8 taon o higit pang propesyonal na karanasan sa pagbuo, pag-deploy, at pagpapanatili ng mga machine learning model sa produksyon.
- May mataas na kasanayan sa Python at matibay na pundasyon sa software engineering.
- Nauunawaan ang mga algorithm ng machine learning, pagsusuri ng modelo, feature engineering, at predictive modelling.
- May praktikal na karanasan sa mga isyu sa production ML gaya ng data leakage, model drift, kalidad ng data, at katatagan ng modelo.
- May aktuwal na karanasan sa Apache Spark o PySpark para sa distributed computing at pagproseso ng data sa malaking sukat.
- Gumamit na ng MLflow o katulad na platform para pamahalaan ang lifecycle ng machine learning.
- Nakapagdisenyo, nakapagpatupad, at nakapagpanatili na ng mga CI/CD pipeline, mas mainam kung gamit ang GitHub Actions.
- May mataas na kasanayan sa SQL at karanasan sa pagtatrabaho sa malalaki at komplikadong dataset.
- Nauunawaan ang deployment ng modelo, pagsubaybay, pagtukoy ng drift, muling pagsasanay, at pagpapanatili sa produksyon.
- Nakapagpatupad na ng mga paraan para maipaliwanag at mabigyang-kahulugan ang mga modelo, gaya ng SHAP.
- Nakapaghahatid na ng mga solusyong AI/ML na nagdulot ng masusukat na pag-unlad sa komersyo o operasyon.
- Nauunawaan ang mga kinakailangan sa pamamahala ng modelo, versioning, dokumentasyon, at reproducibility.
- Kayang magdisenyo ng mga arkitekturang machine learning na nasusukat, maaasahan, at madaling panatilihin.
- May matibay na kakayahan sa analitikal na pag-iisip at paglutas ng problema.
- Kayang ipaliwanag nang malinaw ang mga komplikadong teknikal na ideya sa mga stakeholder na hindi teknikal.
- Nakipagtulungan na sa iba't ibang team gaya ng Data Engineering, Product, Risk, at Commercial.
- Kayang balansehin ang mabilis na development at paghahatid ng MVP sa mahusay na production engineering.
- Nagpapakita ng pamumuno sa pamamagitan ng mentoring, teknikal na impluwensiya, at pinakamahuhusay na kasanayan sa engineering.
- May maagap, independiyente, at nakatuon sa resulta na paraan ng paghahatid ng mga AI solution.
Mga Benepisyo
- Kumpensasyong mapagkumpitensya batay sa karanasan at mga kwalipikasyon.
- Komprehensibong mga programa sa pagsasanay ng empleyado at propesyonal na pag-unlad.
- Mga pagkakataong manguna sa mga inisyatiba sa AI at machine learning na may malaking epekto.
- Pagkakataong makagamit ng mga advanced na teknolohiya ng machine learning at makabagong gawi sa MLOps.
- Internasyonal na lugar ng trabaho na may kolaborasyong cross-functional.
- Mga kaganapan ng kumpanya, team, at grupo.
- Mga benepisyo para sa kaarawan at katapatan.
- Mga pagkakataon para sa propesyonal na pag-unlad at teknikal na pamumuno.
- Karagdagang benepisyo at insentibo para sa empleyado.