Lead ML Engineer - Recommender Systems (P4190)

W 84.51° jesteśmy na czele wykorzystywania nauki o danych, analiz i mediów w sektorze handlu detalicznego, aby transformować doświadczenia zakupowe. Nasza potężna współpraca z The Kroger Co. wykorzystuje ogromne zbiory danych z ponad 62 milionów gospodarstw domowych w USA do dopasowywania zaangażowania klientów za pomocą zaawansowanych rozwiązań, takich jak 84.51° Insights i Kroger Precision Marketing. Dołącz do nas już dziś i bądź częścią zespołu, który kształtuje przyszłość e-commerce i reklamy mediów handlowych!

Zespół Relevancy w 84.51° wzmacnia Krogera - jednego z 10 największych gigantów e-commerce w USA - tworząc silnie spersonalizowane doświadczenia zakupowe online. Nasz zespół zarządza bilionami predykcyjnych rekomendacji, trafnymi sugestiami zastępstw oraz spersonalizowanymi przepisami zakupowymi dla milionów klientów. Poszukujemy innowacyjnego Lead ML Engineer, który pomoże nam realizować naszą misję w zakresie opracowywania zaawansowanych systemów wyszukiwania i rekomendacji.

• Architektura systemu ML: Projektowanie kompleksowych systemów uczenia maszynowego; skupienie się na skalowalności i integracji z innymi komponentami oprogramowania.
• Pipeline’y treningowe i inferencyjne: Architektura pipeline'ów dla efektywności, zapewniająca płynne szkolenie modeli i wdrażanie.
• Optymalizacja wydajności: Poprawa wydajności modeli koncentrująca się na szybkości i zarządzaniu zasobami za pomocą zaawansowanych technik optymalizacji.
• Rozwój/integracja API: Zarządzanie API dla solidnego wnioskowania modelowego i monitorowania systemu.
• Wdrażanie modeli: Przewodzenie wdrażaniu modeli ML przy użyciu najnowszych technologii i frameworków, takich jak Kubernetes i Docker.
• Monitoring i logowanie: Nadzór nad konfiguracją narzędzi monitorowania wydajności i utrzymanie rygorystycznego logowania dla audytu modeli i debugowania.
• Liderstwo technologiczne: Napędzanie innowacji poprzez eksplorowanie najnowocześniejszych ulepszeń i integracji uczenia maszynowego w całej firmie.
• Współpraca: Ścisła praca z zespołami interdyscyplinarnymi, aby płynnie integrować modele ML i ulepszać infrastrukturę danych.
• Mentoring: Mentoring młodszych naukowców danych i wkład w inicjatywy rozwoju talentów w zespole.

• Stopień licencjata lub magistra w dziedzinie nauki o danych, informatyki lub pokrewnej.
• Rozległe doświadczenie w rozwoju modeli ML, zwłaszcza w głębokim uczeniu i systemach rekomendacji.
• Ekspertyza we współczesnych frameworkach uczenia maszynowego i głębokiego uczenia.
• Udowodnione umiejętności w zakresie platform chmurowych, Pythona, Sparka i optymalizacji wydajności.
• Zdolność do samodzielnego prowadzenia i podejmowania decyzji w napiętych terminach.
• O