Must have

• TypeScript

• Nest.js

• Polish

• English

Nice to have

• Kubernetes

• Docker

• Unreal Engine

• gRPC

Requirements description

Original text.  Show translation

• doświadczenie w pracy na podobnym stanowisku
• doświadczenie w przetwarzaniu danych: metody wydajnego ładowania danych, metody przetwarzania danych
• dobra znajomość stacka technologicznego (TypeScript, Nest.js, GraphQl, gRPC)
• swoboda w użyciu rozwiązań związanych z infrastrukturą (AWS, Docker, Kubernetes)
• mile widziane doświadczenie w projektach związanych z uczeniem maszynowym, budową serwisów serwujących modele uczenia maszynowego
• samodzielność w wykonywaniu pracy

Offer description

Original text.  Show translation

VuFinder Studios zmienia podejście do wykorzystania sztucznej inteligencji oraz uczenia maszynowego w kinematografii. VuFinder Studios to studio wirtualnej produkcji w Warszawie działające na pograniczu produkcji filmowej i game-dev'u, która umożliwia renderowanie contentu w czasie rzeczywistym. Studio wykorzystuje silnik Unreal Engine do tworzenia wirtualnych środowisk. VuFinder Studios jest liderem rynku wirtualnych produkcji. Jesteśmy zaangażowani głównie w projekty o globalnym zasięgu dla międzynarodowych klientów związanych z różnorodnymi stylistykami. Tworzymy filmy reklamowe, seriale i filmy fabularne. VuFinder działa w ramach grupy OTO Film – będącej na rynku filmowym od ponad 30 lat. Aktualnie budujemy platformę przyspieszającą i ułatwiającą budowanie i modyfikowanie scen 3D w oparciu o zaawansowane metody uczenia maszynowego . Projekt zakłada rozwiązanie wielu problemów zarówno związanych z jakością metod uczenia maszynowego jak i skalowalnością i wydajnością całego rozwiązania. Sama platforma to aplikacja budowana w oparciu o najnowsze rozwiązania technologiczne, silnie wykorzystująca równocześnie powstający silnik przetwarzania danych 3D oparty o uczenie maszynowe i metody przetwarzania tekstu.

Forma zatrudnienia: umowa zlecenie na 18 miesięcy

Your responsibilities

Original text.  Show translation

1. Budowa środowisk badawczych pozwalających na przeprowadzenie eksperymentów z zakresu uczenia maszynowego
2. Opracowanie metod wydajnego ładowania i przetwarzania danych
3. Raportowanie wyników oraz postępu prac
4. Wykonywanie zadań zleconych przez zespół naukowy
5. Ewaluacja wydajności rozwiązań w środowisku zbliżonym do produkcyjnego