Tech Architect - Machine Learning

W Quantiphi technologia jest rdzeniem naszego biznesu, a nasza globalna, zróżnicowana kultura jest kluczem do naszego sukcesu. Jesteśmy pasjonatami naszych ludzi i jesteśmy dumni, że możemy oferować kulturę opartą na przejrzystości, różnorodności, integralności, uczeniu się i rozwoju. Jeśli prosperujesz w środowisku, które zachęca do innowacji i doskonałości zarówno w sferze zawodowej, jak i osobistej, kariera w Quantiphi jest idealna dla Ciebie!

• Opracowywanie architektur rozwiązań na wysokim poziomie oraz współpraca z naszymi zagranicznymi zespołami inżynierów big-data, naukowców danych oraz analityków w celu budowy, testowania i oceny modeli predykcyjnych na podstawie kryteriów sukcesu klienta.
• Stosowanie technik statystycznych do analizowania i interpretowania danych w celu uzyskania znaczących wniosków.
• Tworzenie jasnych i zaawansowanych interpretacji oraz komunikowanie wniosków do klientów, prowadzące do ilościowych wpływów na biznes.
• Budowanie głębokich relacji z klientami, rozumiejąc zarówno ich wyrażone, jak i ukryte potrzeby.
• Ścisła współpraca z menedżerami dostaw zagranicznych w celu zapewnienia płynnej komunikacji i rytmu dostaw.
• Badanie i identyfikowanie możliwości sprzedaży, generowanie leadów i kategoryzowanie celów.
• Mentoring i kierowanie seniorami/zespołami liderów.
• Prowadzenie dyskusji technicznych dotyczących projektowania architektury i rozwiązywania problemów z klientami oraz dostarczanie proaktywnych rozwiązań.

• 8+ lat praktycznego doświadczenia w tworzeniu modeli, wdrażaniu i operacyjności w dziedzinie statystycznego ML, NLP itp.
• Biegłość w Pythonie, szczególnie w programowaniu opartym na klasach.
• Silne zrozumienie standardów kodowania oraz praktyk CI/CD.
• Biegłość w SQL do analizy danych, w tym zapytania, analiza i przetwarzanie dużych zbiorów danych.
• Głębokie doświadczenie w tworzeniu modeli ML, szczególnie w statystycznym ML regresji i modelach klasyfikacyjnych.
• Ekspertyza w NLP, w tym technikach embeddingu, transformatorach i metodach klasteryzacji.
• Znajomość technik statystycznych do analizy danych.
• Zrozumienie podstaw MLOps, w tym szkolenia modeli, monitorowania danych/modeli i ponownego szkolenia.
• Mocne teoretyczne zrozumienie koncepcji uczenia maszynowego i architektur opartych na uczeniu głębokim.
• Znajomość architektury usług webowych w chmurze, wzorców projektowych i frameworków.
• Doświadczenie w eksploracji nowych badań oraz najlepszych praktyk inżynieryjnych/rozwojowych.
• Praktyczne doświadczenie w prowadzeniu projektów w dziedzinie opieki zdrowotnej będzie dodatkowym atutem.
• Doświadczenie w wdraż