Data Scientist

Nasze wymagania

• min. 4-5 lat doświadczenia komercyjnego w roli Data Scientist,
• doświadczenie w opracowaniu i wdrożeniu co najmniej jednego modelu Machine Learning wykorzystywanego w rzeczywistych procesach biznesowych,
• bardzo dobra znajomość SQL,
• praktyczne doświadczenie w budowaniu modeli klasyfikacyjnych na danych tabelarycznych, w tym z wykorzystaniem regresji logistycznej i gradient boosting,
• doświadczenie w projektowaniu i rozwijaniu cech predykcyjnych (feature engineering),
• umiejętność doboru metod walidacji i metryk oceny modeli do charakterystyki problemu,
• doświadczenie w planowaniu eksperymentów i ocenie ich wyników,
• znajomość metod wyjaśnialności modeli, np. SHAP,
• umiejętność oceny skuteczności modeli w warunkach produkcyjnych oraz interpretowania i uzasadniania ich wskazań,
• krytyczne podejście do jakości danych oraz rozumienie wpływu sposobu ich powstawania na modele,
• praktyczna umiejętność programowania umożliwiająca samodzielne prowadzenie eksperymentów analitycznych,
• umiejętność przekładania problemów biznesowych na zadania analityczne oraz pozyskiwania wiedzy domenowej od ekspertów,
• znajomość aktualnych metod Machine Learning i umiejętność oceny ich przydatności,
• rozumienie możliwości i ograniczeń modeli LLM oraz umiejętność doboru rozwiązań adekwatnych do problemu,
• umiejętność prezentowania wyników analiz osobom nietechnicznym i dokumentowania rozwiązań.

Mile widziane

• doświadczenie w projektach dotyczących wykrywania nadużyć, AML lub ryzyka kredytowego,
• znajomość branży ubezpieczeniowej,
• doświadczenie w analizie sieci powiązań i danych grafowych,
• znajomość NLP, szczególnie w analizie tekstów w języku polskim,
• doświadczenie w monitorowaniu modeli po wdrożeniu,
• znajomość Java oraz doświadczenie we współpracy z developerami we wspólnym repozytorium, w tym testy i code review.

Twój zakres obowiązków

• projektowanie, rozwój i utrzymanie modeli Machine Learning wspierających wykrywanie nadużyć i ocenę ryzyka,
• realizacja pełnego cyklu rozwoju modeli – od przygotowania danych i projektowania cech po walidację, wdrożenie i ocenę skuteczności,
• analiza problemów biznesowych oraz dobór odpowiednich metod analitycznych i algorytmów,
• budowanie modeli klasyfikacyjnych na danych tabelarycznych, w tym z wykorzystaniem regresji logistycznej i gradient boosting,
• projektowanie i rozwój cech predykcyjnych (feature engineering),
• dobór metod walidacji, metryk jakości i sposobów oceny modeli w kontekście ich wykorzystania produkcyjnego,
• planowanie eksperymentów oraz analiza i interpretacja ich wyników,
• wykorzystanie metod wyjaśnialności modeli, takich jak SHAP,
• analiza jakości danych i wpływu sposobu ich pozyskiwania na skuteczność modeli,
• weryfikacja nowych metod Machine Learning oraz źródeł danych, w tym danych tekstowych i grafowych,
• ocena zasadności wykorzystania modeli LLM w konkretnych przypadkach biznesowych,
• dokumentowanie wyników analiz, eksperymentów i modeli,
• współpraca z ekspertami biznesowymi, analitykami oraz zespołami developerskimi przy wdrażaniu rozwiązań,
• model realizacji usług: hybrydowy – 1 dzień w tygodniu w biurze klienta w Warszawie, pozostałe 4 dni zdalnie,
• budżet projektu: do 165 PLN/h + VAT, w zależności od doświadczenia oraz zakresu świadczonych usług.

O projekcie

Tak pracujemy nad projektem

• Continuous Deployment
• Continuous Integration
• DevOps

To oferujemy

• możliwość świadczenia usług w różnorodnych projektach z obszaru Software, Embedded, Data i Cloud Services,
• zaangażowanie w dodatkowe inicjatywy presealsowe oraz eksperckie,
• dostęp do opieki medycznej, karty sportowej oraz platformy kafeteryjnej zgodnie z obowiązującymi zasadami współpracy.

Etapy rekrutacji

• 1.
  CV
• 2.
  Rozmowa wstępna
• 3.
  Rozmowa techniczna
• 4.
  Gotowe - działamy!

Scalo Sp. z o.o.