Machine Learning Engineer (Junior+/Mid) – Python / Applied ML

15k - 20k PLN15 000 - 20 000 PLN/ mies./ mies.B2BB2B (netto)

12k - 18k PLN12 000 - 18 000 PLN/ mies./ mies.UoPUmowa o pracę (brutto)

MidHybryda·WarszawaFull-time·B2B·Umowa o pracę

#477023·Dodano wczoraj·7

Źródło: nofluffjobs.com

Aplikuj teraz

Tech Stack / Keywords

Python Machine LearningAPIFastAPI DockerMLOpsPyTorch NumPy pandas Deep learning NLP Linux Playwright SQL scikit-learn

Podsumowanie oferty

Rozwój i utrzymanie modeli Machine Learning dla systemu wIDS, który wykrywa anomalie i potencjalne zagrożenia na stronach internetowych. Praca obejmuje modele klasyfikacyjne, NLP i analizę obrazów z użyciem m.in. Python, LightGBM, Sentence Transformers i EfficientNet.

Wymagania

Dobra znajomość Python i umiejętność pisania czytelnego, dobrze zorganizowanego kodu.
Praktyczna znajomość podstaw Machine Learning, w szczególności klasyfikacji, przygotowywania danych, trenowania i oceny skuteczności modeli.
Znajomość popularnych bibliotek ML, takich jak scikit-learn, PyTorch, pandas i NumPy.
Znajomość przynajmniej jednego z obszarów:
- Klasyczny ML: Random Forest, LightGBM, feature engineering, klasyfikacja danych strukturalnych.
- NLP: przetwarzanie tekstu, embeddingi, Sentence Transformers, klasyfikacja treści.
- Analiza obrazów (Deep Learning): sieci CNN, EfficientNet, klasyfikacja obrazów.
Umiejętność poprawnego projektowania eksperymentów, interpretowania wyników i identyfikowania problemów z jakością modeli, takich jak overfitting, false positives i data leakage.
Znajomość Git oraz podstaw pracy w środowisku Linux.
Samodzielność, analityczne myślenie, dociekliwość i umiejętność rozwiązywania nietypowych problemów technicznych.

Mile widziane:

Doświadczenie w realizacji własnych projektów ML — komercyjnych, akademickich lub open source.
Doświadczenie z wdrażaniem modeli ML, tworzeniem API (np. FastAPI), Dockerem lub narzędziami MLOps.
Znajomość zagadnień cyberbezpieczeństwa, szczególnie phishingu, analizy podejrzanych adresów URL i kodu JavaScript.
Znajomość metod analizy podobieństwa obrazów, transfer learningu lub analizy strukturalnej kodu (AST).
Doświadczenie z automatyzacją analizy stron WWW, np. Playwright lub BeautifulSoup.
Znajomość SQL i pracy z większymi zbiorami danych.

Obowiązki

Rozwój i utrzymanie modeli Machine Learning wykorzystywanych w systemie wIDS do wykrywania anomalii i potencjalnych zagrożeń na stronach internetowych.
Doskonalenie modeli klasyfikujących podejrzane adresy URL i linki, wykorzystujących algorytmy takie jak LightGBM oraz analizę cech strukturalnych.
Rozwój modeli NLP służących do rozpoznawania podejrzanych treści na stronach WWW, z wykorzystaniem embeddingów tekstowych i algorytmów klasyfikacyjnych.
Rozwój modeli analizy obrazów (CNN, EfficientNet) służących do wykrywania podejrzanego wyglądu stron internetowych na podstawie zrzutów ekranu.
Rozwijanie i optymalizacja mechanizmów analizy kodu JavaScript, w tym wykrywania podejrzanych wzorców i potencjalnie złośliwych zachowań.
Przygotowywanie, czyszczenie i przetwarzanie zbiorów danych treningowych i testowych, w tym ekstrakcja oraz selekcja cech.
Trenowanie, testowanie i optymalizacja modeli ML, dobór hiperparametrów oraz analiza skuteczności klasyfikacji.
Analiza błędnych predykcji (false positives i false negatives), identyfikowanie ograniczeń modeli i opracowywanie metod poprawy ich skuteczności.
Integracja modeli z istniejącym systemem, rozwój mechanizmów inferencji oraz optymalizacja ich wydajności.
Monitorowanie jakości działania modeli w środowisku produkcyjnym, aktualizowanie i wersjonowanie modeli oraz dokumentowanie wprowadzanych zmian.
Współpraca z zespołem programistycznym przy projektowaniu i wdrażaniu nowych mechanizmów wykrywania zagrożeń.

Benefity

Prywatna opieka medyczna.
Karta sportowa.
Parking rowerowy.
Prysznic.
Telefon komórkowy.
Szkolenia wewnętrzne.
Bezpłatne napoje.

Karta sportowa

Opieka zdrowotna

Parking dla rowerów

Prysznic

Telefon

Szkolenia wewnętrzne

Napoje w biurze

MONIT24.PL

Pracodawca

Aplikuj teraz