Data Scientist / ML Consultant
⚲ Warszawa
Do uzgodnienia
Wymagania
- min. 5 lat doświadczenia w Data Science, Machine Learning, modelowaniu danych lub projektach analitycznych
- bardzo dobra znajomość Pythona i SQL
- dobre podstawy statystyki, machine learningu, data mining i walidacji modeli
- doświadczenie w projektach konsultingowych, wdrożeniowych lub dla odbiorcy biznesowego
- doświadczenie w przygotowywaniu danych do ML, feature engineeringu i testowaniu modeli
- umiejętność komunikacji z biznesem oraz współpracy z zespołem developerskim
- znajomość angielskiego pozwalająca na pracę z dokumentacją i komunikację projektową
- wykształcenie wyższe (preferowane: informatyka, matematyka, metody ilościowe, ekonometria, statystyka, fizyka komputerowa)
Opis stanowiska
Data Scientist / ML Consultant w firmie rozwijającej platformę Scoring.One oraz rozwiązania AutoML, MLOps i Feature Store. Rola łączy pracę data scientistyczną z realnym wdrażaniem modeli w środowiskach produkcyjnych — budowa modeli predykcyjnych dla finansów, telekomu, e-commerce i retail, przygotowanie danych, wdrożenia i projekty R&D. To oferta dla osoby, która rozumie problem biznesowy, pracuje z klientem i doprowadza rozwiązania do działania w praktyce.
🔍 Dekoder Ogłoszenia
🟡
wpływem na rozwój naszych produktów
Twoje pomysły mogą zostać wdrożone, ale ostateczne decyzje należą do kierownictwa.
🟡
rozumieć problem biznesowy
Oczekuje się, że będziesz tłumaczyć złożone analizy na język zrozumiały dla osób nietechnicznych.
🟡
doprowadzać rozwiązanie do działania w praktyce
Nie wystarczy zbudować model, trzeba go też wdrożyć i upewnić się, że działa poprawnie w środowisku produkcyjnym.
🟡
Wdrażaniem modeli i logiki decyzyjnej w środowiskach produkcyjnych z wykorzystaniem platformy Scoring.one.
Duża część pracy będzie polegać na integracji modeli z istniejącą platformą firmy, a niekoniecznie na budowaniu wszystkiego od zera.
🟡
Współpracą z klientami biznesowymi: analiza potrzeb, przekładanie problemów biznesowych na rozwiązania analityczne, prezentacja wyników i rekomendacji.
Będziesz musiał spędzać sporo czasu na komunikacji z klientami, co może oznaczać mniej czasu na czystą pracę analityczną.