Future Data Scientist / ML Opportunities I AI & ML & Cloud
Holisticon Insight
To nie jest konkretna oferta pracy, a zaproszenie do talent poolu na przyszłe role Data Scientist / ML Engineer w firmie konsultingowej specjalizującej się w IoT, AI i zaawansowanej analityce. Rekrutacja ma na celu pre-screening kandydatów, aby w momencie otwarcia rzeczywistych wakatów móc szybko przeprowadzić rozmowy. Praca będzie polegać na budowaniu modeli ML, projektowaniu pipeline'ów danych i wdrażaniu rozwiązań w chmurze (AWS, Azure, GCP) dla klientów zewnętrznych. Obecnie nie ma jednak jasno zdefiniowanego projektu ani zespołu.
Brakuje: brak konkretnej roli – nie wiadomo, czy będzie to data scientist, ml engineer, czy mieszanka, nie podano wielkości zespołu ani liczby osób w dziale ai/ml.
To nie jest konkretna oferta pracy, a zaproszenie do talent poolu na przyszłe role Data Scientist / ML Engineer w firmie konsultingowej specjalizującej się w IoT, AI i zaawansowanej analityce. Rekrutacja ma na celu pre-screening kandydatów, aby w momencie otwarcia rzeczywistych wakatów móc szybko przeprowadzić rozmowy. Praca będzie polegać na budowaniu modeli ML, projektowaniu pipeline'ów danych i wdrażaniu rozwiązań w chmurze (AWS, Azure, GCP) dla klientów zewnętrznych. Obecnie nie ma jednak jasno zdefiniowanego projektu ani zespołu.
- ✓Budżet szkoleniowy (np. certyfikaty Microsoft Azure)
- ✓Elastyczne godziny pracy
- ✓Płaska struktura i kultura rodzinnej firmy
- ✓Sprzęt (laptop, 2 monitory)
- −To nie jest konkretna oferta pracy, a talent pool – brak gwarancji zatrudnienia i określonego terminu
- −Brak jasno zdefiniowanego projektu, zespołu czy zakresu obowiązków
- −Możliwe, że trzeba będzie czekać miesiącami na rzeczywiste otwarcie roli
- !Brak informacji o liczbie etatów, które planują otworzyć
- !Niejasne, czy praca będzie głównie przy własnych produktach czy u klientów
- !Mała firma (26-50 osób) – może to oznaczać większą odpowiedzialność, ale też mniej procesów
- •Budowanie i trenowanie modeli ML (regresja, klasyfikacja, NLP, time series) w Pythonie z użyciem TensorFlow, PyTorch lub scikit-learn
- •Projektowanie i optymalizacja data pipeline'ów do przetwarzania dużych zbiorów danych
- •Wdrażanie modeli na platformach chmurowych (AWS, Azure, GCP)
- •Analiza danych i eksploracja w poszukiwaniu wzorców i insightów biznesowych
- •Prezentacja wyników i rekomendacji interesariuszom nietechnicznym
- •Współpraca z zespołem przy definiowaniu wymagań i architektury rozwiązań
- •Utrzymanie i monitorowanie modeli w produkcji
- •Udział w spotkaniach klienckich i warsztatach
Oferta dla doświadczonych specjalistów (Senior).
Mid-level Data Scientist z 3-letnim doświadczeniem, który spełnia wymagania techniczne (Python, ML, cloud) i komunikacyjne. Osoba gotowa na pre-screening i czekanie na otwarcie konkretnej roli.
Juniorzy bez 3-letniego doświadczenia, osoby poszukujące natychmiastowej konkretnej oferty pracy, a także ci, którzy preferują pracę w dużym, hierarchicznym korporacie.
- ?Ile orientacyjnie wakatów planujecie otworzyć w najbliższym czasie?
- ?Jak długo zazwyczaj kandydaci pozostają w talent poolu zanim otrzymają konkretną ofertę?
- ?Czy będą to role czysto Data Science, czy także ML Engineering/MLOps?
- ?Jaki jest typowy harmonogram projektu dla klienta?
- ?Czy w talent poolu są przypisani do konkretnego klienta, czy ogólnie?
- ?Jakie są najważniejsze technologie w obecnych projektach – AWS, Azure czy GCP?
- ?Czy istnieje możliwość wpływu na wybór stosu technologicznego?
- ?Jakie są perspektywy rozwoju i awansu w tak małej firmie?
- −Brak konkretnej roli – nie wiadomo, czy będzie to Data Scientist, ML Engineer, czy mieszanka
- −Nie podano wielkości zespołu ani liczby osób w dziale AI/ML
- −Brak informacji o procesie rekrutacyjnym (liczba etapów, zadanie domowe itp.)
- −Nie wiadomo, czy praca będzie przy własnym produkcie, czy przy projektach klienckich
- −Brak informacji o budżecie szkoleniowym (poza certyfikatami Azure)
Firma promuje płaską strukturę, atmosferę rodzinnej firmy i samoorganizujące się zespoły. Kładzie nacisk na rozwój kompetencji zamiast liczby pracowników, co sugeruje bliską współpracę i wpływ na kulturę organizacyjną.
Na tym etapie proces polega na przesłaniu CV i pre-screeningu. Gdy pojawią się konkretne role, przewidziane są przyspieszone rozmowy kwalifikacyjne. Dokładna liczba etapów i ich charakter nie są znane.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Machine Learning. Pełne statystyki zarobków →