Analityk Data Scientist - Regular
emagine Polska
Rola Data Scientist w sektorze bankowym, skupiająca się na tworzeniu modeli analitycznych i analizie danych w obszarach takich jak process mining, churn analysis, fraud prevention i NLP. Kluczowe jest połączenie umiejętności technicznych (statystyka, uczenie maszynowe) z rozumieniem biznesowym i zmysłem produktowym. Preferowany jest model 'T-shaped data scientist', co oznacza szerokie zrozumienie analizy danych i pracę w interdyscyplinarnych zespołach.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: dokładne widełki wynagrodzenia (podano tylko budżet godzinowy)., szczegółowy opis modelu pracy hybrydowej (liczba dni w biurze)..
Rola Data Scientist w sektorze bankowym, skupiająca się na tworzeniu modeli analitycznych i analizie danych w obszarach takich jak process mining, churn analysis, fraud prevention i NLP. Kluczowe jest połączenie umiejętności technicznych (statystyka, uczenie maszynowe) z rozumieniem biznesowym i zmysłem produktowym. Preferowany jest model 'T-shaped data scientist', co oznacza szerokie zrozumienie analizy danych i pracę w interdyscyplinarnych zespołach.
- ✓Praca w sektorze bankowym nad ciekawymi projektami (process mining, churn, fraud, NLP).
- ✓Możliwość pracy nad 'wizją produktów na podstawie analizowanych danych', co daje szansę na realny wpływ.
- ✓Budżet szkoleniowy (choć nie podano kwoty) jest zazwyczaj pozytywnym sygnałem.
- −Budżet 140 PLN/h + VAT może być niski dla doświadczonego Data Scientist na rynku warszawskim, zwłaszcza z wymogami dotyczącymi Big Data i ML.
- −Model pracy hybrydowej '1 time per 2 weeks in Warsaw’s office' może być niewystarczający dla efektywnej współpracy w niektórych zespołach.
- −Typ kontraktu 'other' jest niejasny i wymaga doprecyzowania.
- !Poziom 'regular' jest nieprecyzyjny – nie wiadomo, czy oznacza to mid-level, czy bardziej doświadczonego specjalistę.
- !Zakres obowiązków jest dość szeroki, co może oznaczać brak głębokiego skupienia na konkretnych obszarach.
- !Wymagane są zarówno umiejętności ML, jak i podstawy DevOps/Linux, co może być trudne do znalezienia w jednym kandydacie na poziomie 'regular'.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Tworzenie modeli analitycznych dla różnych obszarów projektowych.
- •Analiza danych w celu identyfikacji trendów i wzorców.
- •Współpraca z zespołami biznesowymi w celu zrozumienia potrzeb i celów.
- •Prezentowanie wizji produktów na podstawie analizowanych danych.
- •Poszukiwanie danych w organizacji oraz poza nią.
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Kandydat z doświadczeniem w pracy z SQL i Pythonem, podstawową znajomością uczenia maszynowego oraz umiejętnością analizy danych. Podstawowa wiedza z zakresu DevOps i Linuxa jest wymagana.
Nie dla osób bez doświadczenia w analizie danych, SQL i Pythonie. Rola wymaga również podstawowej wiedzy z zakresu uczenia maszynowego i systemów Linux.
- ?Co dokładnie oznacza 'regular' w kontekście doświadczenia i seniority?
- ?Jakie są konkretne oczekiwania dotyczące liczby dni pracy w biurze w modelu hybrydowym?
- ?Co dokładnie oznacza 'other' w polu typ kontraktu?
- ?Jakie są główne narzędzia i platformy Big Data używane w projektach (poza wymienionymi Spark/Hadoop)?
- ?Jak wygląda proces tworzenia modeli – czy jest to praca samodzielna, czy w zespole?
- ?Czy istnieją konkretne projekty, nad którymi kandydat będzie pracował, czy jest to praca rotacyjna?
- ?Jakie są główne wyzwania związane z analizą danych w projektach, nad którymi będzie pracował kandydat?
- −Dokładne widełki wynagrodzenia (podano tylko budżet godzinowy).
- −Szczegółowy opis modelu pracy hybrydowej (liczba dni w biurze).
- −Wyjaśnienie typu kontraktu 'other'.
- −Konkretne przykłady projektów, nad którymi będzie pracował kandydat.
- −Informacje o wielkości zespołu i jego strukturze.
Proces rekrutacyjny składa się z rozmowy telefonicznej z HR (około 20 minut) oraz rozmowy technicznej online z Klientem (około 1 godziny), podczas której sprawdzana jest wiedza techniczna i doświadczenie.