Senior Data Scientist – wykrywanie nadużyć

Nasze wymagania

• Około 3 lata doświadczenia zawodowego jako Data Scientist.
• Doświadczenie w doprowadzeniu co najmniej jednego modelu machine learning do rzeczywistego wykorzystania.
• Umiejętność oceny, jak model będzie działał na produkcji oraz uzasadniania jego wskazań.
• Umiejętność krytycznej oceny danych i rozumienie wpływu sposobu ich pozyskania na działanie modelu.
• Umiejętność współpracy z ekspertami biznesowymi i pozyskiwania od nich wiedzy potrzebnej do budowy dobrego modelu.
• Umiejętność prezentowania wyników osobom nietechnicznym.
• Bardzo dobra znajomość SQL.
• Doświadczenie w budowaniu modeli klasyfikacyjnych dla danych tabelarycznych, od regresji logistycznej po metody gradient boosting.
• Znajomość feature engineering.
• Umiejętność doboru odpowiedniej walidacji oraz metryk do konkretnego problemu.
• Umiejętność projektowania eksperymentów i oceny ich wyników.
• Znajomość metod wyjaśniania modeli, np. SHAP.
• Umiejętność swobodnego programowania pozwalająca na samodzielne prowadzenie eksperymentów.
• Znajomość aktualnych podejść w uczeniu maszynowym oraz umiejętność oceny, które z nich warto zastosować.
• Umiejętność oceny, kiedy warto wykorzystać LLM, a kiedy prostsze rozwiązanie będzie bardziej efektywne.

Mile widziane

• Doświadczenie w obszarze wykrywania nadużyć, AML lub ryzyka kredytowego.
• Znajomość branży ubezpieczeniowej.
• Doświadczenie w analizie sieci powiązań i danych grafowych.
• Doświadczenie w NLP, szczególnie w pracy z tekstami w języku polskim.
• Doświadczenie w monitorowaniu modeli po wdrożeniu.
• Doświadczenie w pracy z kodem w Javie.
• Doświadczenie we współpracy z programistami w ramach wspólnego repozytorium, w tym udział w testach i code review.

Twój zakres obowiązków

• Budowanie, rozwój i utrzymanie modeli służących do wykrywania i oceny ryzyka nadużyć.
• Prowadzenie całego procesu pracy z modelem — od przygotowania danych i projektowania cech, przez eksperymenty i ocenę skuteczności, aż po wdrożenie.
• Przekładanie problemów biznesowych na zadania analityczne oraz dobór odpowiednich metod do konkretnego problemu.
• Praca z różnymi rodzajami danych, w tym danymi tabelarycznymi, tekstowymi i grafowymi.
• Poszukiwanie i weryfikowanie nowych metod analitycznych oraz źródeł danych.
• Projektowanie i przeprowadzanie eksperymentów oraz ocena ich wyników.
• Dobór odpowiednich metryk i sposobów walidacji modeli.
• Analiza i wyjaśnianie wyników modeli oraz ich dokumentowanie.

O projekcie