Machine Learning Engineer

Vi söker en erfaren Machine Learning Engineer till ett team som arbetar med rekommendationsmotorer och datadrivna kundinsikter. I denna konsultroll kommer du att designa, utveckla, förvalta och driftsätta maskininlärningsmodeller som driver personaliserade rekommendationer och affärsvärde.Du arbetar genom hela ML-livscykeln

• från feature engineering och modellträning till produktion, övervakning, utvärdering, optimering och kontinuerlig förbättring. Rollen omfattar både utveckling och drift av ML-pipelines samt uppföljning av affärseffekt i produktion.Du kommer även bidra till att bygga skalbara och förvaltningsbara lösningar samt vidareutveckla teamets plattform för att effektivisera utveckling, deployment och förvaltning av modeller och datapipelines. En viktig del av rollen är att samarbeta nära verksamheten och översätta affärsbehov till tekniska lösningar.ArbetsuppgifterDesigna, implementera och optimera ML-modeller anpassade för rekommendationer, retail och CRMBygga och underhålla datapipelines för stora datamängder (SQL/DBT)Genomföra experiment, A/B-tester och modellutvärderingAnalysera modellprestanda och affärsvärde i produktionDokumentera lösningar, genomföra kodgranskningar och bidra till tekniska riktlinjerKommunicera resultat och insikter till både tekniska och icke-tekniska intressenterKompetenskravErfarenhet av att bygga och driftsätta robusta, skalbara ML- och datalösningarStark programmeringsvana i Python samt erfarenhet av moderna ML-ramverkErfarenhet av att ta ML-modeller till produktion (MLOps, CI/CD, containerisering)God förståelse för statistiska metoder, optimering och modellutvärderingErfarenhet av datahantering, SQL/DBT och datamodelleringFörståelse för datainfrastruktur och MLOps-principerErfarenhet av molnplattformar (gärna GCP)Van att arbeta i agila team och bidra till DevOps-kulturMeriterandeErfarenhet av software engineering-principerErfarenhet eller intresse för retail-domänenErfarenhet av CRM-relaterade projektVi offererar löpande och ärendet kan komma att stängas ner innan satt deadline.