👉 Lead Data Scientist
Xebia
Tworzysz modele statystyczne i algorytmy przestrzenne do wyceny nieruchomości. Budujesz systemy rekomendacji, analizujesz trendy rynkowe i integrujesz LLM. Wdrażasz modele jako API produkcyjne i współpracujesz z frontendem. To rola łącząca zaawansowaną statystykę z inżynierią danych.
Brakuje: brak informacji o wielkości zespołu, nie podano, czy wymagane jest doświadczenie przywódcze (lead) – ile lat zarządzania?.
Tworzysz modele statystyczne i algorytmy przestrzenne do wyceny nieruchomości. Budujesz systemy rekomendacji, analizujesz trendy rynkowe i integrujesz LLM. Wdrażasz modele jako API produkcyjne i współpracujesz z frontendem. To rola łącząca zaawansowaną statystykę z inżynierią danych.
- ✓Budżet rozwojowy 6800 PLN
- ✓Finansowanie certyfikatów (AWS, Azure, ISTQB, PSM)
- ✓Dostęp do Udemy, Safari Books Online
- ✓Wydarzenia i konferencje technologiczne
- ✓Gildie technologiczne i szkolenia wewnętrzne
- ✓Pełna praca zdalna
- ✓Elastyczne godziny pracy
- ✓Wsparcie zdrowia psychicznego
- !Wymaganie znajomości asystentów AI może być nowe i nie każdy ma takie doświadczenie
- !Rozmowa z klientem sugeruje outsourcing, co może nie odpowiadać osobom szukającym stałego produktu
- !Bardzo długa lista nice-to-have może wskazywać na poszukiwanie 'jednorożca'
- •Projektowanie i rozwijanie modeli statystycznych do korekty cen nieruchomości (czas, lokalizacja, jakość)
- •Budowanie algorytmów przestrzennych: adaptacyjne heatmapy, klastrowanie geograficzne, wyszukiwanie poligonowe
- •Implementacja systemu rekomendacji porównywalnych nieruchomości z inżynierią cech
- •Tworzenie pipeline'ów analizy rynku z diagnostyką: dopasowanie trendów, wykrywanie outlierów, metryki dopasowania
- •Integracja LLM do klasyfikacji dokumentów i analizy nieruchomości
- •Udostępnianie wyników modeli przez endpointy API produkcyjne (FastAPI)
- •Współpraca z inżynierami frontendowymi nad kontraktami danych
- •Debugowanie modeli w produkcji: przypadki brzegowe, problemy numeryczne, jakość danych
Stanowisko liderskie — wymaga zarówno doświadczenia technicznego jak i umiejętności zarządzania.
Data Scientist z 4+ latami doświadczenia, który ma solidne podstawy statystyki, pisał API w FastAPI i pracował z PostgreSQL. Zna się na Dockerze i Kubernetes, ale geospatial czy LLM mogą być nowością.
Osoby bez doświadczenia w produkcji modeli (tylko Jupyter) – wymagana jest umiejętność utrzymania API i debugowania w środowisku produkcyjnym. Rola nie jest dla juniora ani mid-level bez samodzielności.
- ?Jaki jest wielkość zespołu i podział ról (DS, DE, MLE)?
- ?Czy jest system on-call lub dyżury produkcyjne? Jeśli tak, jak często?
- ?Kim jest klient i na jak długo przewidziany jest projekt?
- ?Czy doświadczenie z asystentami AI jest twardym wymaganiem, czy raczej preferencją?
- ?Jakie konkretnie technologie chmurowe są używane (GCP, czy inne)?
- ?Ile modeli jest obecnie w produkcji i jaka jest skala danych?
- ?Czy geospatial jest kluczową częścią pracy, czy opcjonalną?
- ?Jak wygląda proces decyzyjny w kwestii doboru metod statystycznych?
- −Brak informacji o wielkości zespołu
- −Nie podano, czy wymagane jest doświadczenie przywódcze (lead) – ile lat zarządzania?
- −Nie wiadomo, jaka jest konkretna chmura (GCP wspomniane, ale czy tylko GCP?)
- −Brak informacji o dyżurach (on-call)
- −Nie określono, ile lat doświadczenia uznaje się za 'solidne podstawy statystyki'
Zespół data science z silnym naciskiem na produkcyjność i współpracę z frontendem. Oczekuje się wysokiej autonomii i umiejętności komunikacji.
CV review → HR Call → Interview → Client Interview → Decision