Software Engineer

Firma: FactSet

Stanowisko: Inżynier Oprogramowania

FactSet aktywnie poszukuje doświadczonego inżyniera oprogramowania z szerokim doświadczeniem w architekturze chmury AWS, wdrażaniu oraz utrzymywaniu infrastruktury. Rola ta wymaga współpracy z innymi inżynierami nad wdrażaniem aplikacji zintegrowanych z modelami uczenia maszynowego (ML), skupionymi na Przetwarzaniu Języka Naturalnego (NLP), klasyfikacji oraz Wielkimi Modelami Językowymi (LLM).

Inżynier Oprogramowania będzie kluczowy w rozwijaniu strategicznej mapy drogowej zarządzania i rozszerzania istniejących potoków i infrastruktury wspierającej rozwiązania ML i AI. Kluczowe zadania obejmują:

• Wdrażanie i utrzymywanie modeli ML, baz danych i aplikacji.
• Wsparcie dla różnych projektów AI/ML, włączając modelowanie encji i tematów, semantyczne tagowanie/wzbogacanie, ekstrakcję informacji oraz integrację LLM do istniejących frameworków.
• Tworzenie pulpitów nawigacyjnych i wizualizacji dla ekspertów finansowych.
• Pobieranie i analizowanie danych zarówno strukturalnych, jak i niestrukturalnych.
• Tworzenie procesów zbierania danych, oceny jakości i kontroli.
• Nadążanie za postępem technologicznym oraz dzielenie się wiedzą i pasją do ML i technologii z zespołem.
• Współpraca z innymi zespołami inżynieryjnymi w celu ciągłego doskonalenia.

Idealny kandydat posiada:

• Licencjat lub magisterium z informatyki lub pokrewnej dziedziny.
• 5+ lat doświadczenia jako inżynier oprogramowania.
• Biegłość w zarządzaniu infrastrukturą opartą na AWS i chmurze.
• Doświadczenie w ML i NLP.
• Solidne doświadczenie w pisaniu i wydawaniu kodu produkcyjnego w środowisku korporacyjnym.
• Silne umiejętności analityczne i nastawienie na pracę zespołową.
• Biegła znajomość języka angielskiego i zdolność komunikowania złożonych kwestii technicznych z osobami nietechnicznymi.
• Wysoka biegłość w Pythonie.
• Znajomość Dockera i rozwoju API.
• Doświadczenie w korzystaniu z różnych usług AWS (np. SageMaker, S3, Athena, Glue, ECS, EC2).

Dodatkowe korzystne umiejętności obejmują:

• Doświadczenie z RDF, triple stores i ekstrakcją relacji.
• Obsługa dużych wolumenów danych w środowiskach przetwarzania strumieniowego lub wsadowego.
• Użycie MongoDB.
• Znajomość bibliotek głębokiego uczenia (Keras, PyTorch, TensorFlow).
• Doświadczenie z narzędziami big data (Pyspark, Hive).
• Znajomość ekstrakcji informacji, parsowania i segmentacji.
• Rozumienie ontologii, rozwiązywania taksonomii i dezaambiguacji.
• Doświadczenie z technikami Uczenia Nienadzorowanego, w tym Estymacją Gęstości, Klasteryzacją i Modelowaniem Tematów.
• Znajomość baz danych grafowych (AWS Neptune, Neo4j).
• Doświadczenie z frameworkami uc