Lead Data Scientist / ML Engineer
Addepto
To rola łącząca Data Science i ML Engineering w firmie konsultingowej AI. Będziesz liderem technicznym w projektach dla dużych klientów (np. optymalizacja portu lotniczego, systemy rekomendacyjne z LLM). Codziennie będziesz projektować architektury ML, implementować modele od zera do produkcji, współpracować z zespołami Data Engineering i Software Engineering oraz komunikować się bezpośrednio z klientami. To nie jest rola badawcza – nacisk na wdrożenia i skalowalność.
Brakuje: nie podano liczby dni urlopu poza 20 dniami płatnymi, brak informacji o wielkości zespołów i hierarchii.
To rola łącząca Data Science i ML Engineering w firmie konsultingowej AI. Będziesz liderem technicznym w projektach dla dużych klientów (np. optymalizacja portu lotniczego, systemy rekomendacyjne z LLM). Codziennie będziesz projektować architektury ML, implementować modele od zera do produkcji, współpracować z zespołami Data Engineering i Software Engineering oraz komunikować się bezpośrednio z klientami. To nie jest rola badawcza – nacisk na wdrożenia i skalowalność.
- ✓B2B z płatnym urlopem (20 dni)
- ✓Budżet szkoleniowy i konferencje (w tym partnerstwo z Databricks)
- ✓Międzynarodowe projekty z uznanymi markami
- ✓Płaska struktura i autonomia techniczna
- ✓Wsparcie w budowaniu marki osobistej (blog, konferencje)
- −Połączenie roli Data Scientist i ML Engineer może prowadzić do niejasności w zakresie obowiązków
- !Brak informacji o wielkości zespołu projektowego
- !Brak opisu procesu rekrutacyjnego
- !Wiele buzzwordów (AI, Big Data, LLM) bez konkretów technicznych
- •Projektowanie i wdrażanie architektur rozwiązań AI dla klientów (np. silniki optymalizacyjne, rekomendacyjne)
- •Implementacja modeli ML od podstaw – od eksperymentów do deploymentu w chmurze (AWS/Azure)
- •Praca z LLMami: AI agents, semantic search, RAG, prompt engineering
- •Tworzenie i zarządzanie pipeline'ami danych oraz CI/CD dla ML (GitHub Actions, Docker, Kubernetes)
- •Prezentacja wyników i rekomendacji interesariuszom (w tym klientom nietechnicznym)
- •Koordynacja z zespołami Data Engineering i Software Engineering przy budowie aplikacji AI
- •Mentoring i wsparcie młodszych członków zespołu
- •Udział w procesie Agile/Scrum – priorytetyzacja zadań i dostarczanie iteracji
Stanowisko liderskie — wymaga zarówno doświadczenia technicznego jak i umiejętności zarządzania.
Osoba z co najmniej 5-letnim doświadczeniem w ML, która potrafi samodzielnie wdrożyć model w chmurze i komunikować się z klientem. Może mieć mniejsze doświadczenie w LLM, ale musi znać podstawy.
Juniorzy lub mid-level bez doświadczenia produkcyjnego w ML. Osoby szukające pracy badawczej bez kontaktu z klientem. Ktoś, kto woli pracę w stałym zespole nad jednym produktem.
- ?Ile osób liczy zespół projektowy i jak są podzielone role (Data Science vs ML Engineering)?
- ?Jak długo trwa typowy projekt i czy można wpływać na wybór technologii?
- ?Czy większość projektów jest w AWS czy Azure?
- ?Jak wygląda proces onboardingu i wsparcie buddy?
- ?Czy istnieje możliwość pracy nad własnym produktem (ContextClue) poza projektami klienckimi?
- ?Jakie są oczekiwania co do dostępności poza standardowymi godzinami (on-call)?
- −Nie podano liczby dni urlopu poza 20 dniami płatnymi
- −Brak informacji o wielkości zespołów i hierarchii
- −Nie wiadomo, jak często zmieniają się projekty i czy można wybierać branżę
- −Brak opisu ścieżki kariery w firmie
Praca w autonomicznych zespołach z płaską strukturą, wspierająca rozwój i dzielenie się wiedzą. Kultura oparta na zaufaniu i elastyczności.
Poniżej mediany rynkowej
≈ 115,0–170,0 zł/h
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →