Data Scientist
P&P Solutions
Rola skupia się na produkcyjnym wdrożeniu systemu Anti-Churn ML dla banku. Obejmuje projektowanie i rozwój modeli ML (XGBoost, CatBoost, LightGBM), zaawansowany feature engineering na danych bankowych, implementację Explainable AI (SHAP, LIME), walidację statystyczną oraz zarządzanie cyklem życia modeli w MLflow. Współpraca z Data Engineerami przy projektowaniu cech produkcyjnych i optymalizacja modeli pod środowiska produkcyjne (batch scoring).
Brakuje: nie podano szczegółów procesu rekrutacyjnego, brak informacji o składzie zespołu i wielkości projektu.
Rola skupia się na produkcyjnym wdrożeniu systemu Anti-Churn ML dla banku. Obejmuje projektowanie i rozwój modeli ML (XGBoost, CatBoost, LightGBM), zaawansowany feature engineering na danych bankowych, implementację Explainable AI (SHAP, LIME), walidację statystyczną oraz zarządzanie cyklem życia modeli w MLflow. Współpraca z Data Engineerami przy projektowaniu cech produkcyjnych i optymalizacja modeli pod środowiska produkcyjne (batch scoring).
- ✓Nowoczesny stack: MLflow, Docker, Kubernetes, XAI
- ✓Ciekawy projekt produkcyjny z przejściem od PoC do produkcji
- ✓Wzmianka o Explainable AI i współpracy z Data Engineerami
- !Brak informacji o możliwości przedłużenia lub innych projektach po zakończeniu
- !Firma P&P Solutions może być agencją/outsourcingiem, a nie bezpośrednim bankiem
- !Nie podano składu zespołu ani procesu rekrutacyjnego
- •Projektowanie i trenowanie modeli ML (XGBoost, CatBoost, LightGBM) z użyciem Optuna do optymalizacji hiperparametrów
- •Tworzenie i selekcja cech (feature engineering) na podstawie danych bankowych
- •Implementacja Explainable AI (SHAP, LIME) do interpretacji modeli
- •Walidacja statystyczna modeli i raportowanie wyników biznesowych
- •Zarządzanie cyklem życia modeli w MLflow (rejestracja, wersjonowanie, deploy)
- •Współpraca z Data Engineerami przy definiowaniu cech do pipeline'ów produkcyjnych
- •Optymalizacja modeli pod batch scoring i środowisko produkcyjne (Docker, Kubernetes)
- •Prezentacja wyników analitycznych interesariuszom biznesowym
Oferta dla doświadczonych specjalistów (Senior).
Data Scientist z 5-letnim stażem, solidnie znający Python ML Stack i XAI, ale bez dużego doświadczenia w MLOps czy bankowości. Może mieć mniejsze doświadczenie w produkcjonizacji modeli, ale silne podstawy statystyczne i umiejętność komunikacji biznesowej.
Juniorzy bez 5 lat doświadczenia, osoby szukające pracy badawczej bez wdrożeń produkcyjnych, ani osoby niechętne pracy w regulowanym środowisku bankowym.
- ?Czy projekt 3-miesięczny jest przewidziany do przedłużenia lub czy są inne projekty po jego zakończeniu?
- ?Ile osób liczy zespół Data Science i Data Engineering?
- ?Jakie narzędzia CI/CD są używane do wdrażania modeli?
- ?Czy model będzie wdrożony na Kubernetes, czy istnieje platforma MLOps?
- ?Jakie dane są dostępne – czy są już przygotowane czy wymagają feature engineeringu od zera?
- ?Czy istnieje już wersja PoC modelu anti-churn, czy trzeba zacząć od zera?
- ?Jak wygląda proces monitoringu modeli w produkcji?
- ?Czy oferta dotyczy bezpośredniego zatrudnienia w banku czy przez P&P Solutions jako klient?
- −Nie podano szczegółów procesu rekrutacyjnego
- −Brak informacji o składzie zespołu i wielkości projektu
- −Nie określono, czy wymagana jest znajomość konkretnych narzędzi (poza MLflow) do CI/CD ML
Zespół skoncentrowany na produkcyjnym ML, współpracujący z Data Engineerami. Atmosfera zorientowana na wyniki biznesowe i wdrażanie modeli do produkcji.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →