[Remote] Senior Data Scientist
DS STREAM
Głównym zadaniem jest rozwijanie i utrzymywanie modeli ML w produkcji dla klientów zewnętrznych. Praca obejmuje modelowanie predykcyjne, systemy rekomendacyjne, przetwarzanie danych (w tym obrazów) oraz eksperymenty proof-of-concept. Rola wymaga łączenia wiedzy biznesowej z zaawansowanymi technikami ML i pracy z różnymi typami danych.
Brakuje: wielkość zespołu data science, szczegółowy proces rekrutacyjny (liczba etapów, zadanie domowe).
Głównym zadaniem jest rozwijanie i utrzymywanie modeli ML w produkcji dla klientów zewnętrznych. Praca obejmuje modelowanie predykcyjne, systemy rekomendacyjne, przetwarzanie danych (w tym obrazów) oraz eksperymenty proof-of-concept. Rola wymaga łączenia wiedzy biznesowej z zaawansowanymi technikami ML i pracy z różnymi typami danych.
- ✓100% zdalnie w UE
- ✓Elastyczne godziny pracy
- ✓Płaska struktura i małe zespoły
- ✓Budżet szkoleniowy i prywatna opieka medyczna
- !Niejasne, czy wymagane jest TensorFlow/PyTorch (wymienione w wymaganiach, ale w structured jako nice-to-have)
- !Brak opisu procesu rekrutacyjnego
- !Nieznana wielkość zespołu i konkretne projekty
- •Budowanie i utrzymywanie modeli ML (predykcja, optymalizacja, prognozowanie)
- •Rozwijanie systemów rekomendacyjnych i algorytmów wspierających decyzje
- •Przetwarzanie i wzbogacanie danych: engineering feature, analiza obrazów (computer vision)
- •Przeprowadzanie audytów jakości danych i przygotowywanie zbiorów do modelowania
- •Projektowanie i realizacja eksperymentów proof-of-concept
- •Współpraca z interesariuszami: definiowanie wymagań, interpretacja wyników, rekomendacje
- •Wdrażanie modeli do produkcji i monitorowanie ich działania
Oferta dla doświadczonych specjalistów (Senior).
Osoba z 5-letnim doświadczeniem w Data Science, która ma za sobą co najmniej jeden wdrożony model produkcyjny i zna podstawy chmury. Potrafi komunikować wyniki nietechnicznym interesariuszom.
Początkujący Data Scientist (poniżej 3-4 lat) ani osoby bez doświadczenia w deploymencie modeli. Rola wymaga samodzielności i dojrzałości technicznej.
- ?Jak wygląda typowy projekt – od proof-of-concept do produkcji?
- ?Ile osób liczy zespół Data Science?
- ?Jakie środowisko chmurowe jest preferowane?
- ?Czy są już wdrożone modele w produkcji? W jakiej skali?
- ?Jakie wyzwania techniczne są aktualnie największe?
- ?Czy istnieje rotacja dyżurów on-call?
- ?Jaki jest proces code review i CI/CD dla modeli?
- −Wielkość zespołu Data Science
- −Szczegółowy proces rekrutacyjny (liczba etapów, zadanie domowe)
- −Konkretne projekty klientów
- −Informacja o budżecie na konferencje
Płaska struktura, małe zespoły, elastyczne godziny i duża autonomia – oczekiwana jest współpraca z doświadczonymi specjalistami z backendu, infrastruktury i AI.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →