Senior Machine Learning Engineer (Voice Biometrics)

W Scalo zajmujemy się dostarczaniem projektów software'owych i wspieraniem naszych partnerów w rozwijaniu ich biznesu. Tworzymy oprogramowanie, które umożliwia ludziom dokonywanie zmian, działanie w szybszym tempie oraz osiąganie lepszych rezultatów. Wykorzystujemy szerokie spektrum usług IT, aby wspierać naszych klientów w realizacji ich celów biznesowych.

Obszary naszej działalności obejmują m.in.:

• doradztwo technologiczne,
• tworzenie oprogramowania,
• systemy wbudowane,
• rozwiązania chmurowe,
• zarządzanie danymi,
• dedykowane zespoły projektowe.

• Minimum 4-5 lat komercyjnego doświadczenia w projektach Machine Learning związanych z voice biometrics.
• Praktyczne doświadczenie z rozwiązaniami speaker verification oraz speaker identification.
• Znajomość zagadnień embeddingów, scoringu, kalibracji modeli, enrolment oraz anti-spoofing.
• Doświadczenie w Python oraz frameworkach TensorFlow i/lub PyTorch.
• Praktyczna znajomość usług AWS, w szczególności Kinesis, Fargate i/lub SageMaker.
• Znajomość zagadnień MLOps, monitoringu, wdrażania oraz utrzymania modeli produkcyjnych.
• Dobra znajomość SQL, Git, Docker oraz środowisk CI/CD.
• Umiejętność pracy z istniejącymi systemami oraz rozwijania produkcyjnych rozwiązań.
• Umiejętność efektywnej współpracy w zespole, udział w code review i dzielenie się wiedzą.
• Znajomość języka angielskiego na poziomie minimum C1.

• Realizacja projektu rozwoju nowoczesnych rozwiązań voice biometrics do uwierzytelniania i zapobiegania nadużyciom.
• Projektowanie, rozwój oraz optymalizacja rozwiązań do speaker verification i speaker identification.
• Rozwój procesów embedding extraction, enrolment, scoring, calibration oraz threshold optimisation.
• Analiza jakości dźwięku oraz optymalizacja modeli pod kątem szumów, kodeków i różnych urządzeń.
• Implementacja rozwiązań anti-spoofing oraz liveness detection.
• Wdrażanie i utrzymanie produkcyjnych systemów Machine Learning w środowisku AWS.
• Budowa i rozwój pipeline'ów danych z wykorzystaniem Amazon Kinesis.
• Wdrażanie modeli z wykorzystaniem AWS Fargate oraz SageMaker Endpoints.
• Rozwój monitoringu, obserwowalności oraz optymalizację wydajności systemów.
• Udział w code review, pair programming oraz dzielenie się wiedzą z zespołem.