AI Data Scientist
Volkswagen Financial Services (Poland)
Jesteś częścią 40-osobowego zespołu AI Engineering w dużej firmie finansowej (Volkswagen Financial Services). Twoim zadaniem jest budowanie i wdrażanie modeli ML (regresja, klasyfikacja, klasteryzacja, deep learning, reinforcement learning) w chmurze AWS. Codziennie piszesz kod w Pythonie, pracujesz z SQL/NoSQL, automatyzujesz pipeline'y w Linuxie i stosujesz zaawansowane techniki (Monte Carlo, SHAP). Rola jest typowo 'hands-on' dla Data Scientist, bez odpowiedzialności architektonicznych.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: konkretne usługi aws używane w projekcie, narzędzia do mlops (experiment tracking, versioning modeli).
Jesteś częścią 40-osobowego zespołu AI Engineering w dużej firmie finansowej (Volkswagen Financial Services). Twoim zadaniem jest budowanie i wdrażanie modeli ML (regresja, klasyfikacja, klasteryzacja, deep learning, reinforcement learning) w chmurze AWS. Codziennie piszesz kod w Pythonie, pracujesz z SQL/NoSQL, automatyzujesz pipeline'y w Linuxie i stosujesz zaawansowane techniki (Monte Carlo, SHAP). Rola jest typowo 'hands-on' dla Data Scientist, bez odpowiedzialności architektonicznych.
- ✓40-osobowy dedykowany zespół AI Engineering
- ✓Międzynarodowe, Agile'owe środowisko
- ✓Rzeczywiste zastosowania AI (LLMy, GenAI) w produktach
- ✓Szeroki pakiet benefitów: medycyna, stomatologia, karta lunchowa, program emerytalny
- ✓Wsparcie w nauce i dofinansowanie szkoleń
- !Hybrydowo 3 dni w biurze – wymóg obecności
- !Wymóg bardzo dobrej znajomości polskiego (mimo że to międzynarodowa firma)
- !Nieprecyzyjne wymagania co do chmury – AWS jest wymieniony jako 'wymagane', ale w opisie jako 'plus'
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Rozwijanie i wdrażanie modeli regresji, klasyfikacji i klasteryzacji
- •Projektowanie end-to-end rozwiązań ML, w tym deep learning i reinforcement learning
- •Feature engineering i optymalizacja wydajności modeli
- •Analiza i przygotowanie danych z zapewnieniem wysokiej jakości
- •Stosowanie zaawansowanych technik (symulacje Monte Carlo, SHAP) do interpretacji modeli
- •Pisanie kodu w Pythonie z użyciem pandas, numpy, scikit-learn
- •Automatyzacja workflowów w Linuxie (shell scripting, Git)
- •Praca z bazami SQL/NoSQL i optymalizacja zapytań
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba po studiach ścisłych z rocznym doświadczeniem w Data Science, podstawami Pythona i SQL, która pracowała nad projektami ML (np. magisterskimi) i zna AWS na poziomie podstawowym.
Seniorzy z 5+ latami doświadczenia – rola jest ukierunkowana na juniora/mida. Osoby bez bardzo dobrej znajomości języka polskiego również nie powinny aplikować.
- ?Ile osób liczą poszczególne squady i jak są zorganizowane?
- ?Jakie konkretne usługi AWS są używane (SageMaker, Lambda, itp.)?
- ?Czy są narzędzia do MLOps (experiment tracking, model registry)?
- ?Jak wygląda proces wdrażania modeli do produkcji?
- ?Czy istnieje możliwość publikacji badań lub udziału w konferencjach?
- ?Jaki jest cykl oceny wyników i ścieżka rozwoju?
- ?Czy są dyżury on-call lub wsparcie produkcyjne?
- −Konkretne usługi AWS używane w projekcie
- −Narzędzia do MLOps (experiment tracking, versioning modeli)
- −Proces rekrutacyjny (etapy, zadanie domowe, live coding)
- −Liczba osób w zespole Data Science (poza całym AI Engineering)
- −Czy model jest wdrażany w chmurze czy on-premise
Międzynarodowy, Agile'owy zespół AI Engineering, pracujący w interdyscyplinarnych squadach, z naciskiem na rzeczywisty biznesowy impact i najnowsze technologie chmurowe.