Pomiń do treści
Logo firmy emagine

Data Scientist

emagine

Oferta w skrócie
Widełki nieujawnione
🔀HybrydowaTryb pracy
📄OtherKontrakt
⏱️Mid · 3+ latDoświadczenie
LokalizacjaLisbon
Źródło
Aktywna
Opublikowano18 czerwca 2026
Ostatnio sprawdzono18 czerwca 2026
Wygasa za90 dni
Werdykt JobHunt

Rola mid-level Data Scientist w firmie konsultingowej/outsourcingowej. Będziesz pracować nad projektami dla klientów, rozwijając modele analityczne i ML, które przynoszą wartość biznesową. Codzienna praca obejmuje eksplorację danych, inżynierię cech, trenowanie i optymalizację modeli, wizualizację wyników oraz współpracę z zespołami danych. Wymagana jest obecność w biurze w Lizbonie 2 razy w tygodniu.

Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.

Brakuje: wielkość zespołu data science, szczegóły dotyczące kontraktu 'other'.

🛠 Wymagane technologie
Dane źródłowe
Microsoft Power BIData analysisBusiness Intelligence (BI)Machine Learning (ML)Artificial Intelligence (AI)SQLPythonTestingCloudMicrosoft Azure
AI Insights
Czym naprawdę jest ta rola?Data Scientist

Rola mid-level Data Scientist w firmie konsultingowej/outsourcingowej. Będziesz pracować nad projektami dla klientów, rozwijając modele analityczne i ML, które przynoszą wartość biznesową. Codzienna praca obejmuje eksplorację danych, inżynierię cech, trenowanie i optymalizację modeli, wizualizację wyników oraz współpracę z zespołami danych. Wymagana jest obecność w biurze w Lizbonie 2 razy w tygodniu.

Plusy
  • Wyraźnie wymienione platformy chmurowe (Azure ML, AWS SageMaker) i podstawy MLOps – nowoczesny stack
  • Opis odpowiedzialności obejmuje zarówno modelowanie, jak i wizualizację – szeroki zakres umiejętności
  • Wymienione konkretne biblioteki (NumPy, pandas, scikit-learn) – brak ogólników
Na co uważać
  • !Hybryda wymaga obecności w biurze w Lizbonie 2 dni w tygodniu – konieczność relokacji lub dojazdów
  • !Duża firma (501+ pracowników) – potencjalnie biurokratyczna struktura
  • !Nieokreślony typ kontraktu 'other' – wymaga doprecyzowania (B2B, UoP?)
  • !Brak widełek wynagrodzenia w ogłoszeniu
  • ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
Codzienna praca
  • Rozwijanie modeli analitycznych i uczenia maszynowego (nadzorowanych i nienadzorowanych)
  • Przeprowadzanie eksploracyjnej analizy danych (EDA) i inżynierii cech
  • Ocena i tunowanie modeli ML z użyciem narzędzi eksperymentalnych
  • Tworzenie wizualizacji (Matplotlib, Tableau) w celu komunikacji wyników
  • Pisanie zapytań SQL do analizy danych
  • Współpraca z zespołami danych w celu integracji i spójności rozwiązań
  • Praca z platformami chmurowymi (Azure ML, AWS SageMaker) i podstawami MLOps
Więcej o ofercie
Dla kogo jest ta oferta
Profil idealny

Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).

Minimum sensowne

Osoba z 1-2 latami doświadczenia w Data Science, mocna w Pythonie i SQL, z podstawową wiedzą o ML, ale potrzebująca mentoringu w MLOps i chmurze.

Raczej nie dla

Osoby szukające pracy w pełni zdalnej lub nietolerujące dojazdów do biura w Lizbonie 2 razy w tygodniu. Rola nie jest odpowiednia dla seniorów oczekujących roli architektonicznej ani dla juniorów bez żadnego komercyjnego doświadczenia.

Ocena dopasowania
Junior2/5
Mid5/5
Senior3/5
Hands-on5/5
Architekt1/5
Remote2/5
Enterprise3/5
Pytania do rekrutera
  • ?Ile osób liczy zespół data science i czy pracujecie na projektach wewnętrznych czy u klientów?
  • ?Jakie narzędzia do eksperymentów ML są używane (MLflow, Kubeflow, inne)?
  • ?Jak wygląda proces wdrażania modeli do produkcji i czy jest wsparcie DevOps/MLOps?
  • ?Czy istnieje możliwość pracy zdalnej częściej niż 2 dni w tygodniu?
  • ?Jaki jest typ kontraktu 'other' – B2B, umowa o pracę, czy coś innego?
  • ?Jakie są benefity pozapłacowe (budżet szkoleniowy, konferencje, certyfikaty)?
Brakujące informacje
  • Wielkość zespołu data science
  • Szczegóły dotyczące kontraktu 'other'
  • Proces rekrutacyjny (liczba etapów, zadanie domowe)
  • Widełki wynagrodzenia
  • Przykładowe projekty lub sektory klientów
Zespół

Współpraca z różnymi zespołami danych wskazuje na cross-funkcyjne środowisko, ale kultura pracy nie jest bliżej opisana.

🔗Podobne oferty