In short
Backend engineer on an e-commerce project: designs, develops and maintains Java backend services while using Python to build, train and deploy supervised regression ML models (LightGBM, scikit-learn) on large tabular and time-series datasets, integrating the models into the Java backend for production use.
About the role
- projekt z branży e-commerce,
- projektowanie, rozwój i utrzymanie aplikacji oraz rozwiązań backendowych w Java, z wykorzystaniem Pythona do przetwarzania danych i rozwoju modeli ML,
- tworzenie czytelnego, wydajnego i wysokiej jakości kodu gotowego do wdrożeń produkcyjnych,
- rozwój, trenowanie, optymalizacja i wdrażanie modeli predykcyjnych opartych na uczeniu nadzorowanym, w szczególności modeli regresyjnych wykorzystujących Gradient Boosting (LightGBM) i scikit-learn,
- przygotowywanie i analiza dużych zbiorów danych tabelarycznych z użyciem Pandas i NumPy oraz projektowanie procesu Feature Engineering, również dla szeregów czasowych,
- walidacja modeli z uwzględnieniem specyfiki danych czasowych, dobór metryk oraz ocena jakości i stabilności predykcji,
- porównywanie modeli z rozwiązaniami bazowymi oraz eliminowanie overfittingu, data leakage i niespójności przetwarzania danych między środowiskiem treningowym a produkcyjnym,
- integracja modeli ML z backendem Java, rozwój architektury ich udostępniania i wykorzystania przez aplikacje biznesowe oraz zapewnienie działania produkcyjnego,
- udział w code review, testach, optymalizacji wydajności i utrzymaniu rozwiązań,
- współpraca z międzynarodowym zespołem, analitykami danych i specjalistami technicznymi przy realizacji potrzeb biznesowych.
Kogo poszukujemy?
- minimum 4 lata doświadczenia komercyjnego w podobnej roli,
- bardzo dobra znajomość Java i praktyczna znajomość Python,
- umiejętność tworzenia czystego, czytelnego i wydajnego kodu produkcyjnego,
- dobra znajomość Machine Learning, szczególnie Supervised Learning,
- doświadczenie w budowaniu modeli predykcyjnych i regresyjnych na danych tabelarycznych,
- znajomość algorytmów Gradient Boosting oraz bibliotek LightGBM i scikit-learn,
- doświadczenie w przetwarzaniu i analizie dużych zbiorów danych z użyciem Pandas i NumPy,
- znajomość Feature Engineering, w tym dla danych szeregów czasowych,
- umiejętność walidacji modeli, doboru metryk i oceny jakości predykcji,
- umiejętność porównywania modeli z bazowymi oraz identyfikowania overfittingu i data leakage,
- dbałość o spójność przetwarzania danych między środowiskiem treningowym i produkcyjnym,
- umiejętność integracji modeli ML z aplikacjami Java,
- język angielski na poziomie C1.
Mile widziane:
- znajomość Quantile Regression,
- doświadczenie w Time Series Feature Engineering,
- znajomość SQL i usług AWS (S3, Athena),
- znajomość Docker, Kubernetes i procesów CI/CD,
- znajomość narzędzi monitorujących, np. Prometheus,
- doświadczenie z produkcyjnymi rozwiązaniami Machine Learning.