Machine learning állások, munkák

• Design and build learner models including knowledge tracing and longitudinal approaches
• Shape the data foundation for learner modeling including defining relevant signals and building datasets
• Translate mastery and progression definitions into model targets and evaluation criteria

• Machine learning és computer vision megoldások fejlesztése járműfelismerési és közlekedési alkalmazásokhoz
• Modellek és adatfeldolgozási folyamatok tervezése, implementálása, tanítása és kiértékelése

• A Data Science & Analytics üzletágunk projektjeiben, fejlesztéseiben részvétel változatos iparágakban
• Önálló statisztikai elemzési és modellezési feladatok megoldása (tervezés, becslés, fejlesztés, tesztelés, dokumentáció)

• A Data Science & Analytics üzletágunk projektjeiben, fejlesztéseiben részvétel változatos iparágakban
• Önálló statisztikai elemzési és modellezési feladatok megoldása (tervezés, becslés, fejlesztés, tesztelés, dokumentáció)

• Design and own the Azure Native Data & AI Platform architecture
• Lead Azure Databricks platform implementation and evolution
• Define enterprise data, analytics, ML and AI platform standards and best practices
• Design Lakehouse and Medallion architectures

• Design and build artificial intelligence and machine learning solutions for enterprise clients
• Operationalize AI and machine learning solutions combining custom models with cloud and third-party AI services
• Assess client needs and data for AI/ML solutions

• Collaborate with business stakeholders to identify opportunities and translate business challenges into actionable Data Science and AI use cases.
• Design, develop and evaluate machine learning models using statistical methods, supervised and unsupervised learning techniques.

• Building and refining critical controls to prevent Wise customers from scams
• Driving backend and frontend for scam prevention and detection systems
• Delivering tangible impact by securing customers' money and accelerating product growth

• Build and maintain Azure Databricks solutions
• Develop scalable ETL/ELT pipelines
• Implement and optimize Lakehouse solutions
• Develop Spark applications
• Develop reusable data and AI platform components
• Build and maintain MLOps pipelines using Azure Databricks
• Automate platform, data and ML deployments

• End-to-end LLM-, RAG- és agentikus AI-megoldások megtervezése, fejlesztése, tesztelése és produkciós bevezetése.
• Coding agent skillek, MCP-szerverek, promptkomponensek, subagentek és többlépéses workflow-k kialakítása; agent harness komponensek fejlesztése.

• Komplex LLM-, RAG- és agentikus AI-megoldások célarchitektúrájának megtervezése, szakmai irányítása és produkciós bevezetése.
• Coding agent skillek, MCP-szerverek, agent harness és runtime komponensek, routing-, memory-, tool- és evaluációs megoldások kialakítása.

• új alkalmazások fejlesztése, aktív fejlesztői szerep az üzleti folyamatokat kiszolgáló korszerű – mesterséges intelligenciával támogatott – informatikai megoldások kialakításában;
• alkalmazások tervezése, fejlesztése és karbantartása, hatékony és skálázható kód előállítása;

• Client-facing communication
• Participation in pre-sales discussions
• Collaboration with sales and customer success teams
• Communication with clients' technical teams
• Design and configuration of data labeling and processing pipelines
• Combination of multiple data labeling components into automated workflows

• Build-from-zero applications
• Bridge machine learning and product
• AI-accelerated development
• Real-time visualization
• End-to-end delivery of early-stage applications

• LLM-, RAG- és agentikus AI-megoldások fejlesztése, tesztelése és értékelése.
• Coding agent skillek, MCP-szerverek és többlépéses workflow-k kipróbálása; tapasztalattól függően agent harness komponensek fejlesztése.

• Partner with business stakeholders to understand priorities and translate business needs into analytics solutions and actionable insights.
• Identify opportunities where data and analytics can generate tangible business value and drive adoption of data-driven decision making.

• Shape and implement the company’s data science strategy and drive innovation, with a primary focus on Generative AI and Agentic workflows
• Identify opportunities to leverage data for business value and impact
• Take ownership of the full technical stack for development and deployment

• Real-time decision making with machine learning for risk assessments
• Ownership of risk infrastructure for Instant ACH in the US market
• Cross-functional collaboration with software engineers, data analysts, and data scientists

FLEXIBILITY- The times of punishments for coming 5 minutes late are gone. We have flexible home office policy as well!...

• Ownership of on-device inference
• Design and implementation of Android inference solutions
• Development and maintenance of native Android vision layer using C++ and Android NDK
• Creation of JNI bindings connecting native components to Kotlin application