Data Scientist (Analytics)
emagine
Rola Data Scientist w projekcie bankowym. Zadaniem jest analiza problemów biznesowych, budowa i utrzymanie modeli ML oraz komunikacja wyników z interesariuszami. Praca hybrydowa z wizytami w biurze raz na dwa tygodnie, na kontrakcie B2B z widełkami do 125 zł/h.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu, nie określono długości projektu.
Rola Data Scientist w projekcie bankowym. Zadaniem jest analiza problemów biznesowych, budowa i utrzymanie modeli ML oraz komunikacja wyników z interesariuszami. Praca hybrydowa z wizytami w biurze raz na dwa tygodnie, na kontrakcie B2B z widełkami do 125 zł/h.
- ✓Projekt w stabilnej branży bankowej
- ✓Możliwość pracy z Big Data i nowoczesnymi narzędziami (Spark, Hadoop)
- !Brak informacji o wielkości zespołu i długości projektu
- !Technologia 'recruitment' w liście – możliwa pomyłka
- !Brak opisu narzędzi DevOps i procesu deployu modeli
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Analiza i zrozumienie problemów biznesowych oraz przekładanie ich na rozwiązania analityczne
- •Eksploracja i integracja danych z różnych źródeł
- •Projektowanie, budowa i walidacja modeli ML (np. scikit-learn, XGBoost, LightGBM)
- •Współpraca z zespołami biznesowymi przy definiowaniu i rozwoju produktów danych
- •Komunikowanie wyników analiz w sposób zrozumiały dla interesariuszy
- •Rozwój i utrzymanie modeli w środowisku produkcyjnym
- •Pisanie kodu w Python (NumPy, Pandas, SciPy, Matplotlib) i SQL
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Data Scientist z 3 letnim doświadczeniem, dobrą znajomością Pythona i SQL, oraz podstawową umiejętnością budowy modeli ML. Potrafi samodzielnie prowadzić proste analizy i komunikować wyniki.
Juniorzy bez 3 lat doświadczenia, osoby szukające wyłącznie pracy zdalnej (wymagane wizyty w biurze), oraz kandydaci bez umiejętności komunikacji z biznesem.
- ?Ile osób liczy zespół data science w tym projekcie?
- ?Jak wygląda środowisko produkcyjne dla modeli – czy są dedykowane narzędzia do MLOps?
- ?Jakie konkretnie biblioteki/narzędzia są używane do deployu modeli?
- ?Czy w zespole są osoby z doświadczeniem w Spark/Hadoop, czy wymagana jest samodzielna praca?
- ?Jakie benefity poza stawką oferujecie (budżet szkoleniowy, certyfikaty)?
- −Nie podano wielkości zespołu
- −Nie określono długości projektu
- −Brak informacji o narzędziach DevOps i MLOps
- −Nie wiadomo, czy istnieje możliwość pracy zdalnej w pełni (choć hybryda jest jasna)
Praca w zespole data science w międzynarodowej firmie konsultingowej, współpraca z biznesem bankowym. Prawdopodobnie kultura nastawiona na dostarczanie wyników i elastyczność.