Mid Data Scientist

Będziesz pracować przy rozwiązaniach wykorzystujących dane do identyfikowania wzorców, podobieństw, predykcji zachowań i zdarzeń wymagających uwagi biznesowej. Projekty obejmują m.in. analizę danych zdarzeniowych, budowę modeli ML, tworzenie pipeline’ów danych oraz rozwój komponentów wspierających produkcyjne systemy AI/ML.

To rola dla osoby, która dobrze czuje się w Pythonie, lubi pracę z danymi i chce budować praktyczne rozwiązania ML, a nie tylko eksperymentować w notebookach.

Zakres obowiązków

• Analiza dużych zbiorów danych, w tym danych zdarzeniowych, logów, eventów i danych systemowych.
• Przygotowywanie datasetów pod potrzeby modelowania ML.
• Projektowanie i budowanie cech, czyli feature engineering.
• Tworzenie, trenowanie i ewaluacja modeli machine learning.
• Budowanie modeli do klasyfikacji, segmentacji, scoringu, predykcji cech oraz identyfikacji podobnych profili, obiektów lub zachowań.
• Analiza wyników modeli oraz interpretacja ich działania w kontekście biznesowym lub domenowym.
• Rozwój pipeline’ów danych i komponentów wykorzystywanych w procesie modelowania.
• Przygotowywanie danych: preprocessing, cleaning, transformacje, agregacje, walidacja jakości.
• Praca z SQL i relacyjnymi lub analitycznymi bazami danych.
• Współpraca przy projektowaniu architektury systemów ML/AI.
• Dokumentowanie założeń, eksperymentów, wyników i wniosków.
• Współpraca z data engineerami, backend developerami, architektami, product ownerami i zespołami klienta.
• Możliwy bezpośredni kontakt z klientem: udział w spotkaniach, zbieranie wymagań, omawianie wyników analiz i wyjaśnianie działania modeli.

Wymagania

• Dobra znajomość Pythona.
• Znajomość bibliotek do analizy danych i ML, np. NumPy, Pandas, Polars, scikit-learn lub podobnych.
• Podstawowe lub komercyjne doświadczenie w projektach machine learning.
• Doświadczenie w pracy z danymi: ETL, preprocessing, feature engineering, analiza jakości danych.
• Znajomość klasycznych algorytmów ML, np. gradient boosting, drzewa decyzyjne, modele liniowe, clustering, klasyfikacja.
• Znajomość zagadnień klasyfikacji, regresji, segmentacji, scoringu, modelowania podobieństwa lub analizy wzorców.
• Umiejętność ewaluacji modeli i doboru metryk do problemu.
• Umiejętność analizy danych i myślenia statystycznego.
• Znajomość SQL.
• Umiejętność pisania czytelnego, testowalnego i utrzymywalnego kodu.
• Znajomość Git oraz podstawowych praktyk pracy zespołowej w projektach software development.
• Umiejętność samodzielnego analizowania problemów i szukania rozwiązań.
• Komunikatywność i gotowość do pracy z zespołem projektowym oraz klientem.

Mile widziane

• Doświadczenie w projektach związanych z rekomendacjami, predykcją zachowań lub cech, segmentacją klientów lub analizą podobieństwa.
• Doświadczenie z klasyfikacją, clusteringiem i modelami nienadzorowanymi.
• Znajomość metod modelowania podobieństwa i reprezentacji danych, modele klasyfikacyjne/regresyjne, gradient boosting.
• Doświadczenie z narzędziami orkiestracji i pipeline’ów, np. Airflow, Argo Workflows, Prefect, Dagster, Polyaxon lub podobnymi.
• Doświadczenie z chmurą: GCP, Azure lub AWS.
• Znajomość narzędzi MLOps, monitoringu modeli i zarządzania eksperymentami.
• Doświadczenie z MLflow, Weights & Biases, Vertex AI, SageMaker lub podobnymi narzędziami.
• Znajomość Dockera i podstaw DevOps.
• Doświadczenie z dużymi zbiorami danych i narzędziami analitycznymi, np. BigQuery, Spark, DuckDB, ClickHouse lub podobnymi.
• Znajomość podstaw deep learningu, np. PyTorch, TensorFlow lub Keras.
• Umiejętność wizualizacji danych i komunikowania wniosków w zrozumiały sposób.
• Doświadczenie w projektach dla dużych organizacji lub środowisk enterprise.
• Umiejętność efektywnej pracy z narzędziami AI wspierającymi analizę danych i programowanie, np. ChatGPT, Codex, Claude Code, Cursor, GitHub Copilot lub podobnymi.

Technologie, z którymi możesz pracować

• Python
• NumPy / Pandas / Polars
• scikit-learn
• SQL
• Jupyter / notebooks
• MLflow / Weights & Biases lub podobne narzędzia eksperymentacyjne
• Airflow / Argo Workflows / Prefect / Dagster / Polyaxon lub podobne
• Docker
• PostgreSQL / BigQuery / ClickHouse / DuckDB lub podobne
• PyTorch / TensorFlow / Keras
• Cloud: GCP / Azure / AWS
• Git
• Narzędzia AI dla developerów i analityków: Codex, Claude Code, Cursor, GitHub Copilot, ChatGPT lub podobne

Kogo szukamy

Szukamy osoby na poziomie mid, która:

• lubi pracę na danych i potrafi wyciągać z nich praktyczne wnioski;
• chce rozwijać się w obszarze machine learning, modelowania podobieństwa, predykcji, segmentacji i systemów AI/ML;
• potrafi przejść od surowych danych do działającego rozwiązania ML;
• rozumie, że dobry model to nie tylko wynik metryki, ale też dane, jakość, interpretowalność i utrzymanie;
• chce pracować nad rozwiązaniami, które faktycznie będą używane w procesach biznesowych;
• potrafi myśleć praktycznie: jakość danych, ograniczenia modeli, monitoring, stabilność i skalowalność;
• lubi eksperymentować, ale potrafi dokumentować wnioski i dowozić konkretne rezultaty;
• umie komunikować ograniczenia, ryzyka i trade-offy związane z użyciem modeli ML;
• nie boi się kontaktu z klientem i potrafi wyjaśniać wyniki analiz oraz działanie modeli w zrozumiały sposób.

Co oferujemy

• Pracę przy projektach AI/ML wykorzystujących analizę danych, modele predykcyjne, segmentację, modelowanie podobieństwa i automatyzację decyzji.
• Możliwość projektowania rozwiązań od zera.
• Wpływ na wybór technologii, architektury i podejścia do modelowania.
• Pracę z realnymi danymi i problemami biznesowymi.
• Udział w projektach dla klientów biznesowych i enterprise.
• Współpracę z doświadczonym zespołem technologicznym i Data Science.
• Możliwość rozwoju w bardzo dynamicznym obszarze AI/ML.
• Przestrzeń do testowania nowych narzędzi, modeli i podejść.
• Możliwość rozwoju w kierunku Data Scientista, ML Engineera, AI Engineera, MLOps Engineera lub Technical Leada.
• Możliwość zdobycia certyfikatów, np. GCP.