Data Scientist ( Production Efficiency )
Lufthansa Systems Poland
Rola Data Scientist skupiona na tworzeniu i wdrażaniu rozwiązań opartych na uczeniu maszynowym, wizji komputerowej i generatywnej AI w kontekście optymalizacji procesów produkcyjnych w branży lotniczej. Kandydat będzie odpowiedzialny za cały cykl życia projektu, od prototypowania po wdrożenie produkcyjne, w tym budowanie potoków danych i MLOps.
Brakuje: szczegółowy opis procesu rekrutacyjnego., informacje o konkretnych narzędziach i technologiach używanych w ramach 'python machine learning libraries'..
Rola Data Scientist skupiona na tworzeniu i wdrażaniu rozwiązań opartych na uczeniu maszynowym, wizji komputerowej i generatywnej AI w kontekście optymalizacji procesów produkcyjnych w branży lotniczej. Kandydat będzie odpowiedzialny za cały cykl życia projektu, od prototypowania po wdrożenie produkcyjne, w tym budowanie potoków danych i MLOps.
- ✓Możliwość pracy nad innowacyjnym projektem w branży lotniczej.
- ✓Możliwość prowadzenia projektów od początku do końca i realny wpływ na ich produkcyjne wdrożenie.
- ✓Szeroki zakres możliwości szkoleniowych, w tym zewnętrzne i wewnętrzne szkolenia, mentoring.
- ✓Elastyczne godziny pracy z możliwością rozpoczęcia dnia między 07:00 a 11:00.
- !Wymóg pracy w biurze dwa dni w tygodniu może być barierą dla osób szukających w pełni zdalnej pracy.
- !Rola opisana jako 'Data Scientist', ale zakres obowiązków obejmuje również MLOps i architekturę rozwiązań, co może sugerować szerszy zakres odpowiedzialności niż typowy Data Scientist.
- •Rozwijanie rozwiązań opartych na danych z wykorzystaniem uczenia maszynowego, wizji komputerowej i generatywnej AI.
- •Analiza danych lotniczych i przekształcanie ich w innowacyjne produkty i przypadki użycia.
- •Współpraca z interesariuszami w celu zrozumienia wyzwań biznesowych i projektowania rozwiązań opartych na AI.
- •Prowadzenie projektów od fazy odkrycia i prototypowania do wdrożenia produkcyjnego.
- •Budowanie i utrzymywanie rozwiązań uczenia maszynowego w chmurze oraz potoków danych.
- •Współtworzenie architektury rozwiązań, ingestii danych i potoków MLOps gotowych do produkcji.
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Kandydat z wykształceniem wyższym w dziedzinie ilościowej, posiadający doświadczenie w projektowaniu i implementacji rozwiązań ML, z praktyczną znajomością Pythona (Pandas, Scikit-learn) i SQL, oraz podstawową wiedzą o chmurze (Azure/GCP). Kandydat powinien być gotowy do pracy w modelu hybrydowym.
Osoby bez wykształcenia wyższego w dziedzinie ilościowej, bez doświadczenia w tworzeniu rozwiązań ML, bez znajomości Pythona i SQL, lub bez gotowości do pracy w modelu hybrydowym.
- ?Jakie konkretne narzędzia i platformy są wykorzystywane do budowania potoków danych i MLOps?
- ?Jak wygląda proces współpracy z interesariuszami i zbierania wymagań biznesowych?
- ?Jakie są główne wyzwania związane z analizą danych lotniczych?
- ?Czy istnieją plany rozwoju w kierunku konkretnych obszarów AI, np. NLP?
- ?Jak wygląda proces testowania i walidacji modeli uczenia maszynowego przed wdrożeniem?
- ?Jakie są oczekiwania dotyczące wkładu w architekturę rozwiązań?
- ?Jakie są możliwości rozwoju w ramach zespołu i firmy?
- ?Czy istnieją możliwości pracy nad projektami open-source lub publikacji wyników badań?
- −Szczegółowy opis procesu rekrutacyjnego.
- −Informacje o konkretnych narzędziach i technologiach używanych w ramach 'Python Machine Learning Libraries'.
- −Jak wygląda wsparcie techniczne i mentoring w zespole?
- −Czy istnieją możliwości rozwoju w kierunku architektonicznym?
Praca w małych zespołach z dużą niezależnością i realnym wpływem na projekt, w międzynarodowym środowisku stymulującym rozwój.
Brak informacji o procesie rekrutacji.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Generative AI.