Data Scientist Engineer
Fetcherr
Rola w firmie AI zajmującej się deep learningiem i optymalizacją. Będziesz projektować i implementować logikę decyzyjną systemu optymalizacji cen (Price Optimizer). Twoim głównym zadaniem jest tłumaczenie złożonych reguł biznesowych na modele matematyczne i produkcyjny kod Python. Pracujesz na styku Data Science i produktu, ale nie zajmujesz się ETL ani skalowaniem – to domena Data Engineerów. Rola wymaga silnego backgroundu w optymalizacji matematycznej i symulacjach.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak informacji o modelu pracy (zdalna/hybrydowa/stacjonarna), brak widełek wynagrodzenia.
To rola inżyniera optymalizacji/badań operacyjnych, nie typowego Data Scientist'a budującego modele ML. Skupia się na implementacji reguł biznesowych w kodzie produkcyjnym, a nie na eksploracji danych czy trenowaniu modeli.
Rola w firmie AI zajmującej się deep learningiem i optymalizacją. Będziesz projektować i implementować logikę decyzyjną systemu optymalizacji cen (Price Optimizer). Twoim głównym zadaniem jest tłumaczenie złożonych reguł biznesowych na modele matematyczne i produkcyjny kod Python. Pracujesz na styku Data Science i produktu, ale nie zajmujesz się ETL ani skalowaniem – to domena Data Engineerów. Rola wymaga silnego backgroundu w optymalizacji matematycznej i symulacjach.
- ✓Praca nad własnym produktem AI (Large Market Model) w innowacyjnej domenie
- ✓Odpowiedzialność za kluczową logikę decyzyjną systemu
- ✓Współpraca z doświadczonymi inżynierami danych
- !Brak informacji o modelu pracy (zdalna/hybrydowa/stacjonarna)
- !Typ kontraktu 'other' – niejasne, czy B2B, UoP czy coś innego
- !Brak widełek wynagrodzenia
- !Nie podano wielkości zespołu ani procesu rekrutacyjnego
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Implementacja reguł cenowych i strategii komercyjnych w Pythonie jako ograniczenia matematyczne
- •Rozwój i optymalizacja algorytmów symulacji i revenue management
- •Pisanie czystego, testowalnego i modułowego kodu produkcyjnego
- •Analiza danych w celu walidacji zachowania modeli i identyfikacji edge case'ów
- •Współpraca z Solution Architectami przy definiowaniu wymagań logiki biznesowej
- •Integracja modeli z pipeline'ami Dagster (perspektywa użytkownika logiki)
Osoba z 3+ latami doświadczenia w data science/algorytmice z silnym Pythonem i matematyką, która lubi przekładać reguły biznesowe na kod i pracować w zespole produktowym. Motywują ją wyzwania optymalizacyjne i pisanie kodu produkcyjnego.
Osoba z minimum 3 latami doświadczenia w data science lub rozwoju algorytmów, solidną znajomością Pythona i optymalizacji, ale bez zaawansowanego doświadczenia w kodzie produkcyjnym – gotowa się uczyć.
Kandydaci, którzy szukają typowej roli Data Scientist z budowaniem modeli ML lub wolą pracę w notebookach. Rola nie jest dla osób bez backgroundu w optymalizacji matematycznej.
- ?Jaki jest model pracy – zdalny, hybrydowy czy stacjonarny? Ile dni w biurze?
- ?Jaki typ kontraktu jest oferowany? (B2B, UoP?)
- ?Ile osób liczy zespół Data Science/Engineering?
- ?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
- ?Czy są dyżury on-call lub praca w weekendy?
- ?Jaki jest zakres autonomii technicznej w wyborze rozwiązań?
- ?Czy są plany rozwoju produktu na inne branże poza airline?
- ?Jakie są oczekiwane ramy czasowe projektu (greenfield vs utrzymanie)?
- −Brak informacji o modelu pracy (zdalna/hybrydowa/stacjonarna)
- −Brak widełek wynagrodzenia
- −Brak opisu procesu rekrutacyjnego
- −Brak informacji o wielkości zespołu
- −Brak informacji o on-call lub dyżurach
Zespół interdyscyplinarny – Data Scientist/Engineerowie, Solution Architect, Data Engineerowie. Kultura oparta na współpracy i realizacji biznesowych reguł.