Quartz 4

Rekrutacja 2026 H2

2 min read

Data / ML Engineer ?????????????

Co miałby realnie robić?

  • agregaty na SR
  • zaprojkeotwanie logowania danych i monitoring
  • debug problemów z FS

Czym się będziesz zajmował

  • Budową i optymalizacją procesów zasilających modele danymi
  • Projektowaniem i optymalizacją warstwy przechowywania danych — m.in. schematów i indeksowania pod kątem wydajności analityki i systemów Real-Time
  • Tworzeniem warstwy obserwowalności danych wejściowych — dashboardów i alertów wykrywających anomalie oraz spadki jakości w danych zasilających modele
  • Tworzeniem narzędzi do monitoringu modeli produkcyjnych, w tym wykrywania zjawiska distribution shift
  • Wdrażaniem praktyk CI/CD w procesie wytwarzania modeli predykcyjnych

Twoje doświadczenie

  • Bardzo dobra znajomość Pythona oraz SQL
  • Doświadczenie w przetwarzaniu dużych wolumenów danych z wykorzystaniem narzędzi takich jak Spark i Polars
  • Doświadczenie z analitycznymi bazami danych typu kolumnowego
  • Silne kompetencje techniczne: umiejętności programistyczne poparte zrozumieniem działania skomplikowanych systemów
  • Doświadczenie w pracy w sektorze operującym na dużej skali danych
  • Doświadczenie w projektowaniu i modelowaniu struktur danych na potrzeby zaawansowanej analityki oraz systemów działających w czasie zbliżonym do rzeczywistego

Mile widziane

  • Znajomość konkretnych silników analitycznych: ClickHouse i/lub StarRocks
  • Znajomość Kubernetes oraz narzędzi GitOps (ArgoCD)
  • Doświadczenie w branży RTB (Real-Time Bidding) lub programmatic advertising
  • Doświadczenie w projektach z obszaru uczenia maszynowego (ML)
  • Znajomość języka Go (Golang)

Kompetencje potrzebne w zespole:

  • wnioskowanie przyczynowe (causal inference)
  • teoria sterowania (control theory)
  • optymalizacja (a la Bartek)
  • statystyka bayesowska
  • projketowanie i analiza testów A/B

Mile widziane:

  • Dodatkowym plusem będzie doświadczenie z GCP, Vertex AI, Feature Stores lub narzędziami do śledzenia eksperymentów.

  • Doświadczenie w pracy w DSP, w tym w obszarach takich jak optymalizacja kampanii, strategie cenowe i aukcje

  • Kreatywne i badawcze podejście do problemów-szukamy osób, które stawiają na jakość i solidne, naukowe rozwiązania.

    1. Tworzenie i wdrażanie modeli ML do optymalizacji kampanii programatycznych, w tym strategii ofert, alokacji budżetu i pacingu, szczególnie dla CTV.

Graph View