Junior Machine Learning Engineer

Przegląd firmy: W Trainline znajdujemy się na czele promowania zrównoważonego podróżowania, wykorzystując najnowocześniejsze technologie. Skupiając się na tworzeniu zielonej przyszłości, nasza platforma ułatwia ponad 110 milionów wizyt miesięcznie i może się pochwalić sprzedażą biletów na kwotę 4,3 miliarda funtów. Jako prosperująca firma z indeksu FTSE 250, nasz zróżnicowany zespół liczy ponad 1000 zaangażowanych profesjonalistów z ponad 60 narodowości, stacjonujących w wielu europejskich miastach. Nasza misja jest prosta: uczynić podróżowanie prostym, płynnym i przystępnym cenowo. Teraz rozszerzamy nasz zasięg na Europę i zapraszamy Cię do przyłączenia się.

Opis stanowiska: Jako początkujący inżynier ds. uczenia maszynowego w Trainline, będziesz kluczowym elementem w wykorzystaniu uczenia maszynowego do udoskonalenia i przekształcenia doświadczenia podróżnego milionów osób codziennie. Od udoskonalania funkcji wyszukiwania i strategii cenowych po rozwijanie naszych działań w marketingu cyfrowym za pomocą generatywnego AI, potencjał wpływu jest ogromny. Współpracuj międzyfunkcyjnie z zespołami ekspertów inżynierów danych, naukowców i menedżerów produktu, aby dostarczać innowacyjne rozwiązania, które napędzają nasze zaangażowanie w ekologiczną podróż.

• Tworzenie i wdrażanie modeli uczenia maszynowego w celu osiągnięcia znaczących wyników biznesowych.
• Współpraca z interesariuszami w celu opracowywania produktów opartych na danych z wykorzystaniem najnowocześniejszych algorytmów ML i obszernych zbiorów danych.
• Zarządzanie pełnym cyklem życia rozwiązań ML, od koncepcji i przygotowania danych do wdrożenia i utrzymania.
• Przyczynianie się do tworzenia narzędzi i ram, które przyspieszają dostarczanie inicjatyw ML.
• Poprawa możliwości i efektywności naszych produktów ML poprzez ciągłą naukę i innowacje.

Jesteśmy chętni do rozmowy z kandydatami, którzy mają:

• Zaawansowany stopień w dziedzinie informatyki, matematyki lub pokrewnym kierunku.
• Zaawansowaną znajomość Pythona i znajomość bibliotek takich jak Pandas, Numpy i Scikit-learn.
• Udowodnione doświadczenie we wdrażaniu modeli uczenia maszynowego w środowiskach produkcyjnych.
• Ekspertyza w modelowaniu predykcyjnym, optymalizacji lub systemach rekomendacyjnych.
• Doświadczenie z narzędziami do przetwarzania dużych zbiorów danych, takimi jak Spark, oraz znajomość praktyk DevOps i ML Ops, w tym narzędzi takich jak Docker, Terraform i ML Flow.
• Skuteczne umiejętności komunikacji i ducha współpracy zespołowej.

• Znajomość sektora transportowego, GIS