Data Scientist
Plenti
Prawdziwa rola Senior Data Scientist w zespole budującym nową generację systemów predykcyjnych AI opartych na modelowaniu behawioralnym. Codzienna praca obejmuje rozwój i trenowanie modeli deep learning, fine-tuning foundation models, projektowanie embeddingów oraz reprezentacji danych wysokowymiarowych. Zespół łączy AI, psychologię behawioralną i bioinformatykę, a rozwiązania są używane w obszarach capital markets, defense i enterprise analytics. Oferuje dużą autonomię w modelowaniu i eksperymentowaniu, ale praca jest wykonywana przez agencję (Plenti) dla klienta końcowego.
Brakuje: nie podano nazwy klienta końcowego, brak informacji o wielkości zespołu i strukturze organizacyjnej.
Prawdziwa rola Senior Data Scientist w zespole budującym nową generację systemów predykcyjnych AI opartych na modelowaniu behawioralnym. Codzienna praca obejmuje rozwój i trenowanie modeli deep learning, fine-tuning foundation models, projektowanie embeddingów oraz reprezentacji danych wysokowymiarowych. Zespół łączy AI, psychologię behawioralną i bioinformatykę, a rozwiązania są używane w obszarach capital markets, defense i enterprise analytics. Oferuje dużą autonomię w modelowaniu i eksperymentowaniu, ale praca jest wykonywana przez agencję (Plenti) dla klienta końcowego.
- ✓Realny wpływ na rozwój core'owych systemów AI i duża autonomia techniczna
- ✓Praca w interdyscyplinarnym zespole (AI, psychologia, bioinformatyka)
- ✓Nowoczesny stack: PyTorch, foundation models, eksperymentalne workflow
- ✓Płaska struktura, mentoring, regularne 1on1
- ✓Elastyczne godziny pracy i nowoczesny sprzęt (MacBook)
- ✓Praca zdalna z okazjonalnymi wizytami w biurze (1x/miesiąc)
- −Praca przez agencję (Plenti) dla nieznanego klienta końcowego – może wiązać się z brakiem stabilności lub zmianą projektu
- −Aplikacje w obszarach defense i capital markets mogą budzić wątpliwości etyczne
- !Wielkość zespołu i struktura klienta nie są podane
- !Wymagana bardzo dobra znajomość polskiego (C1) – może sugerować, że zespół głównie polskojęzyczny
- !Brak informacji o dyżurach on-call lub pracy w trybie ścisłego production
- •Trenowanie i optymalizacja modeli deep learning (PyTorch/TensorFlow) na wysokowymiarowych danych behawioralnych
- •Projektowanie reprezentacji danych i embeddingów dla sygnałów behawioralnych
- •Fine-tuning foundation models (pre-trained) pod kątem predykcji behawioralnych
- •Prowadzenie eksperymentów i projektowanie metod ewaluacji modeli
- •Analiza zależności między cechami, zachowaniami i ukrytymi wzorcami danych
- •Budowa i optymalizacja end-to-end pipeline'ów modelowych (od danych po iterację)
- •Współpraca z psychologami behawioralnymi i ekspertami bioinformatyki przy definiowaniu problemów
- •Praca w międzynarodowym zespole, komunikacja w języku angielskim
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML/Data Scientist z 6-letnim stażem, który ma solidne podstawy w PyTorch/TensorFlow i budowie modeli deep learning, ale niekoniecznie doświadczenie w behavioral science. Osoba, która potrafi samodzielnie prowadzić projekty modelowe i jest gotowa do nauki w obszarze reprezentacji danych i foundation models.
Nie dla osób z mniej niż 5 latami doświadczenia w ML/DS, ani dla tych, którzy preferują pracę analityczną opartą głównie na SQL i raportach. Nie dla kandydatów, którzy nie są zainteresowani dogłębnym modelowaniem i eksperymentami na danych wysokowymiarowych.
- ?Kim jest klient końcowy i w jakiej branży dokładnie działa?
- ?Ile osób liczy zespół AI/ML i jakie są kompetencje poszczególnych członków?
- ?Czy rola jest przypisana do konkretnego projektu, czy rotacyjna między projektami?
- ?Jak wygląda proces wdrożenia modeli do produkcji i kto odpowiada za infrastrukturę?
- ?Czy istnieje możliwość publikacji wyników badań lub udziału w konferencjach?
- ?Jakie narzędzia do eksperymentów i zarządzania modelami są używane (MLflow, Kubeflow, inne)?
- ?Czy są przewidziane dyżury on-call lub praca po godzinach w przypadku awarii?
- ?Jaki jest proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
- −Nie podano nazwy klienta końcowego
- −Brak informacji o wielkości zespołu i strukturze organizacyjnej
- −Nie określono narzędzi do eksperymentów i zarządzania modelami
- −Brak informacji o budżecie szkoleniowym lub konferencyjnym
- −Nie wiadomo, jak wygląda ścieżka awansu w agencji vs u klienta
Zespół stawia na jakość, wymianę wiedzy i konstruktywny feedback, pracuje w płaskiej strukturze z dużą autonomią techniczną. Współpraca interdyscyplinarna z psychologami i bioinformatykami.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię PyTorch. Pełne statystyki zarobków →