Młodszy Specjalista/tka ds. Uczenia Maszynowego

Wymagane
kwalifikacje

Wykształcenie i
doświadczenie

Minimum 1 rok doświadczenia w
pracy z uczeniem maszynowym (projekty akademickie, staże, wkład w projekty
open-source)

Programowanie

Bardzo dobra znajomość Pythona,
w tym zasad OOP (klasy, dziedziczenie, interfejsy).

Znajomość podstawowych
bibliotek do analizy danych: NumPy, SciPy, Pandas, Scikit-learn.

Umiejętność szybkiego
prototypowania rozwiązań, np. w Jupyter Notebook.

Machine Learning

Praktyczna znajomość PyTorch –
budowanie i trenowanie sieci neuronowych.

Rozumienie procesu trenowania
modeli: dobór metryk, cross-validation, ewaluacja wyników.

Bazy danych i architektura

Podstawowa znajomość SQL.

Sprawna obsługa Gita oraz
podstawowa znajomość Linuksa.

Język

Angielski na poziomie min. B2
(czytanie dokumentacji technicznej, podstawowa komunikacja w zespole).

Mile
widziane

Doświadczenie
z narzędziami MLOps (Weights & Biases, MLflow, Optuna, Docker).

Poznańskie Centrum Superkomputerowo‑Sieciowe (PCSS)

Dział Sieci Nowych Generacji

poszukuje kandydatów/ kandydatek na stanowisko:

Młodszy Specjalista/tka ds. Uczenia Maszynowego

Kim jesteśmy?

Dołącz do zespołu innowatorów i kształtuj przyszłość technologii w Poznańskim Centrum Superkomputerowo‑Sieciowym!

Poznańskie Centrum Superkomputerowo‑Sieciowe (PCSS), afiliowane przy Instytucie Chemii Bioorganicznej PAN, jest jednym z kluczowych ośrodków badawczo‑rozwojowych IT w Polsce. Jako operator ogólnopolskiej sieci optycznej PIONIER oraz zaawansowanej infrastruktury obliczeniowej (HPC, GPU), realizujemy projekty o strategicznym znaczeniu dla nauki, administracji publicznej i gospodarki. Innowacja, badania oraz realny wpływ na rozwój cyfrowego społeczeństwa to nasza codzienność.

Krótki opis działu

Dział Sieci Nowych Generacji rozwija nowoczesne usługi w dziedzinie
technologii sieciowych oraz systemów obliczeń chmurowych na brzegu sieci. Prace
prowadzone w dziale skupiają się na projektach badawczo-rozwojowych
prowadzonych na zamówienie przemysłu lub projektach współfinansowanych z
funduszy Unii Europejskiej.

Jeden z kluczowych obszarów prac dotyczy szeroko
rozumianej analityki danych oraz uczenia maszynowego. Dane pozyskane z różnych
źródeł (np. z systemów DAS (ang. Distributed Accoustic Sensing) opartych
o światłowody, systemów rozproszonych grawimetrów kwantowych czy systemów monitorowania
sygnałów radiowych GNSS, itp.) są źródłem dla modeli sztucznej inteligencji
rozwijanych w Dziale. Modele te mają za zadanie osiągnięcie wyznaczonych celów
przez zamawiającego przy wsparciu zespołu ekspertów PCSS, jak i ekspertów
dziedzinowych.

,[ udział w projektowaniu, implementacji i rozwijaniu modeli uczenia maszynowego na potrzeby projektów badawczo-rozwojowych,, przygotowywanie danych do trenowania modeli oraz udział w budowie pipeline’ów przetwarzania danych,, implementacja, trenowanie oraz ewaluacja modeli uczenia maszynowego z wykorzystaniem bibliotek Python, w szczególności PyTorch i Scikit-learn,, tworzenie prototypów rozwiązań AI oraz ich stopniowe rozwijanie do postaci gotowej do wykorzystania w projektach,, współpraca z doświadczonymi specjalistami przy analizie wyników, optymalizacji modeli oraz rozwiązywaniu problemów technicznych,, rozwój oprogramowania zgodnie z dobrymi praktykami programistycznymi, z wykorzystaniem systemu kontroli wersji Git,, dokumentowanie opracowanych rozwiązań oraz udział w przygotowywaniu dokumentacji technicznej,, aktywne rozwijanie kompetencji w obszarze uczenia maszynowego oraz śledzenie nowych metod i narzędzi AI.] Requirements: Python, OOP, PyTorch, Machine learning, Git, SQL, Linux, NumPy, SciPy, pandas, scikit-learn, Jupyter Notebook, Weights&Biases, MLflow, Optuna, Docker Tools: Jira, Github, Confluence, GitLab, GIT. Additionally: Sport subscription, Private healthcare, International projects, Multisport, Shower, Free parking, Bike parking, Modern office, No dress code.