Specjalista/tka ds. Uczenia Maszynowego

Poznańskie Centrum Superkomputerowo‑Sieciowe (PCSS) jest afiliowane przy Instytucie Chemii Bioorganicznej PAN i jest jednym z kluczowych ośrodków badawczo-rozwojowych IT w Polsce. Operator ogólnopolskiej sieci optycznej PIONIER oraz zaawansowanej infrastruktury obliczeniowej HPC i GPU, realizuje projekty strategiczne dla nauki, administracji publicznej i gospodarki. Dział Sieci Nowych Generacji rozwija nowoczesne usługi technologii sieciowych i systemów obliczeń chmurowych na brzegu sieci, koncentrując się na projektach badawczo-rozwojowych przemysłu oraz współfinansowanych przez UE. Jednym z kluczowych obszarów jest analityka danych i uczenie maszynowe, realizowana na danych z systemów DAS, grawimetrów kwantowych, systemów monitorowania sygnałów radiowych GNSS i innych.

• Wykształcenie wyższe minimum inżynierskie lub licencjackie, preferowane kierunki: Informatyka, Matematyka, Sztuczna Inteligencja lub pokrewne
• Minimum 3 lata doświadczenia w projektach uczenia maszynowego
• Zaawansowana znajomość Pythona, w szczególności OOP (design patterns, clean code, modularność kodu)
• Doświadczenie w przejściu od prototypu w notebooku do modularnego, production-ready kodu ze skalowalnością
• Zaawansowana znajomość PyTorch: projektowanie warstw, optymalizacja i debugowanie trenowania
• Znajomość bibliotek NumPy, SciPy, pandas, scikit-learn
• Doświadczenie w budowie end-to-end rozwiązań: data pipeline'y i wdrożenia produkcyjne
• Doświadczenie z dużymi zbiorami danych (optymalizacja I/O, wydajność obliczeniowa)
• Znajomość SQL na poziomie projektowania i optymalizacji zapytań
• Sprawna obsługa Git
• Dobra znajomość Linuxa (skrypty shell, zarządzanie procesami, konteneryzacja)

Nice to have:

• Doświadczenie z MLOps, MLflow, CI/CD, Weights&Biases

• Projektowanie, implementacja i rozwój modeli uczenia maszynowego odpowiadających na rzeczywiste potrzeby badawcze i biznesowe
• Przygotowywanie kompletnych rozwiązań ML: analiza danych, projektowanie architektury modeli, proces trenowania, wdrożenie do produkcji
• Tworzenie wydajnych i skalowalnych pipeline’ów przetwarzania danych oraz trenowania modeli
• Rozwój oprogramowania zgodnie z dobrymi praktykami inżynierii oprogramowania: clean code, modularność, testowanie, wersjonowanie kodu
• Optymalizacja modeli i procesów obliczeniowych pod kątem jakości, wydajności oraz wykorzystania zasobów obliczeniowych
• Współpraca z zespołami programistycznymi, ekspertami domenowymi i partnerami projektów R&D przy projektowaniu i wdrażaniu rozwiązań AI
• Udział w projektach badawczo-rozwojowych AI, w tym opracowywanie nowych metod, prototypowanie i walidacja rozwiązań
• Dokumentowanie opracowanych rozwiązań oraz prezentowanie wyników zespołowi i partnerom
• Ciągłe śledzenie rozwoju technologii AI i rekomendowanie nowych metod i narzędzi