Data Scientist ( Production Efficiency )
Lufthansa Systems
Rola Data Scientista skupiona na poprawie efektywności procesów w liniach lotniczych. Będziesz tworzyć rozwiązania AI (w tym computer vision i generative AI) od prototypu do produkcji, pracując w małym, międzynarodowym zespole (7 osób). Celem jest analiza danych lotniczych i budowa produkcyjnych pipeline'ów ML na chmurze (Azure/GCP). Mimo tytułu 'Data Scientist', rola wymaga również umiejętności inżynierskich (MLOps, data pipelines) i kończenia projektów wdrożeniowych.
Brakuje: brak opisu procesu rekrutacyjnego (etapy, zadania, czas), brak informacji o dyżurach on-call.
Rola Data Scientista skupiona na poprawie efektywności procesów w liniach lotniczych. Będziesz tworzyć rozwiązania AI (w tym computer vision i generative AI) od prototypu do produkcji, pracując w małym, międzynarodowym zespole (7 osób). Celem jest analiza danych lotniczych i budowa produkcyjnych pipeline'ów ML na chmurze (Azure/GCP). Mimo tytułu 'Data Scientist', rola wymaga również umiejętności inżynierskich (MLOps, data pipelines) i kończenia projektów wdrożeniowych.
- ✓Międzynarodowe środowisko i benefit członkostwa w Lufthansa Group
- ✓Elastyczne godziny rozpoczęcia pracy (7-11)
- ✓Małe zespoły z dużą niezależnością i realnym wpływem na projekt
- ✓Możliwość rozwoju poprzez mentoring, e-learning, szkolenia zewnętrzne
- ✓Praca nad nowym projektem (greenfield) – brak legacy
- −Szeroki przedział wynagrodzeń (8–21k PLN) – może oznaczać nieprecyzyjne dopasowanie do poziomu
- −Wymieniono system operacyjny Windows jako wymaganie – może być zbędne lub wskazywać na specyficzne środowisko
- !Hybryda 2 dni w biurze w Gdańsku – może być ograniczeniem dla osób spoza Trójmiasta
- !Mały zespół (7 osób) – duża autonomia, ale też mniejsze wsparcie
- !Brak informacji o dyżurach, on-call czy budżecie szkoleniowym
- •Tworzenie prototypów AI z użyciem computer vision i generative AI
- •Analiza danych lotniczych i identyfikacja przypadków użycia
- •Współpraca z interesariuszami w celu zrozumienia wyzwań biznesowych
- •Projektowanie i wdrażanie rozwiązań ML od discovery do produkcji
- •Budowa i utrzymanie cloudowych pipeline'ów ML (Azure/GCP)
- •Implementacja MLOps – monitorowanie, Continuous Deployment
- •Integracja danych z różnych źródeł (data ingestion)
- •Pisanie kodu w Pythonie z użyciem Pandas, scikit-learn, PyTorch, OpenCV
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Początkujący Data Scientist z co najmniej 1-2 letnim doświadczeniem w ML/CV, znajomością Pythona i chmury, gotowy do pracy hybrydowej i nauki MLOps oraz specyfiki lotniczej.
Osoby bez doświadczenia w ML/CV w produkcji, preferujące wyłącznie analizę danych (bez programowania), lub szukające w pełni zdalnej pracy – wymagana jest obecność w biurze 2 dni w tygodniu.
- ?Jaki jest konkretny zakres projektu Production Efficiency – jakie problemy biznesowe rozwiązujecie?
- ?Jakie są główne wyzwania techniczne w obecnym stacku (chmura, MLOps)?
- ?Czy zespół jest interdyscyplinarny? Jak wygląda współpraca z fullstack developerem i liderem technicznym?
- ?Jaki jest proces wdrożenia modeli do produkcji i kto odpowiada za utrzymanie?
- ?Jakie są plany rozwoju technologicznego – czy planujecie używać konkretnych frameworków GenAI lub CV?
- ?Czy istnieje możliwość pracy zdalnej poza Gdańskiem, czy 2 dni w biurze są sztywnym wymogiem?
- ?Jakie są perspektywy awansu i ścieżki kariery w zespole Data Science?
- ?Czy oferujecie budżet na konferencje lub certyfikacje chmurowe?
- −Brak opisu procesu rekrutacyjnego (etapy, zadania, czas)
- −Brak informacji o dyżurach on-call
- −Nie sprecyzowano, czy 'Continuous Deployment' dotyczy tylko kodu, czy również modeli ML
- −Brak szczegółów dotyczących konkretnych narzędzi chmurowych (Azure ML, GCP AI Platform?)
Mały, międzynarodowy zespół (7 osób) pracujący w metodyce agile. Duża autonomia i niezależność, realny wpływ na projekt. Współpraca z fullstack developerem i liderem technicznym, ciągłe wdrażanie (Continuous Deployment).