Data Scientist
deepsense.ai
Będziesz pracować nad różnorodnymi projektami AI dla klientów z różnych branż. Twoja codzienna praca to analiza danych, czyszczenie, inżynieria cech, budowanie modeli klasycznego ML (regresja, XGBoost, itp.) oraz wizualizacja wyników. Masz realny wpływ na decyzje biznesowe klientów. Możesz rozwijać się w kierunku głębszej analityki lub inżynierii AI.
Brakuje: nie podano opisu procesu rekrutacyjnego, brak informacji o wielkości zespołu.
Będziesz pracować nad różnorodnymi projektami AI dla klientów z różnych branż. Twoja codzienna praca to analiza danych, czyszczenie, inżynieria cech, budowanie modeli klasycznego ML (regresja, XGBoost, itp.) oraz wizualizacja wyników. Masz realny wpływ na decyzje biznesowe klientów. Możesz rozwijać się w kierunku głębszej analityki lub inżynierii AI.
- ✓Współpraca z topowymi partnerami (OpenAI, NVIDIA)
- ✓Wkład w open-source (ragbits na GitHub)
- ✓Jasne ścieżki kariery (techniczna lub liderka)
- ✓Realny wpływ na strategię klientów
- ✓Budżet szkoleniowy
- !Różnorodność projektów może oznaczać częste zmiany kontekstu
- !Lista nice-to-have jest długa – może sugerować szerokie oczekiwania
- •Eksploracja i czyszczenie danych
- •Inżynieria cech i przygotowanie danych do modelowania
- •Budowanie modeli predykcyjnych (regresja, szeregi czasowe, gradient boosting)
- •Tworzenie wizualizacji (matplotlib, seaborn, plotly)
- •Prezentowanie wniosków i rekomendacji klientom
- •Analiza danych za pomocą SQL
- •Współpraca z zespołem nad rozwiązaniami AI
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z 3-letnim doświadczeniem w Data Science, zna Python, SQL i klasyczne ML, potrafi tworzyć proste wizualizacje i komunikować wyniki.
Osoby bez co najmniej 3 lat doświadczenia w Data Science (czysty junior) lub takie, które skupiają się wyłącznie na głębokim uczeniu i LLM-ach – rola kładzie nacisk na klasyczne metody.
- ?Ile projektów jednocześnie prowadzi Data Scientist?
- ?Jaka jest wielkość zespołu projektowego?
- ?Jak wygląda typowy proces rekrutacyjny?
- ?Czy są dyżury lub on-call?
- ?Jakie są preferowane strefy czasowe dla pracy zdalnej?
- ?Czy istnieje możliwość publikacji wyników prac?
- −Nie podano opisu procesu rekrutacyjnego
- −Brak informacji o wielkości zespołu
- −Nie wiadomo, jak często zmieniają się projekty
Małe, międzynarodowe zespoły z kulturą dzielenia się wiedzą i otwartością na open-source. Praca oparta na współpracy i wzajemnym wsparciu.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →