Ładowanie...
Data Scientist
BioSpace
AI Insights
Czym naprawdę jest ta rola?Data Scientist
Rola Data Scientist w zespole Data Science and Artificial Intelligence (DSAI) w Modernie. Będziesz projektować i wdrażać zaawansowane rozwiązania z zakresu uczenia maszynowego i optymalizacji dla procesów produkcyjnych i rozwojowych mRNA. Kontekst: skalowanie produkcji terapii mRNA, analiza danych z kontroli jakości i produkcji, wykorzystanie modeli bayesowskich, optymalizacji kombinatorycznej, symulacji Monte Carlo oraz eksploracja generatywnej AI. Rola mocno techniczna, indywidualny kontrybutor, ale wymaga ścisłej współpracy z różnymi zespołami (inżynierowie, naukowcy, statystycy). To nie jest typowy Data Scientist od analizy biznesowej - bardziej inżynieria danych i badania operacyjne w kontekście produkcyjnym.
Plusy
- ✓Praca nad innowacyjnymi terapiami mRNA - realny wpływ na zdrowie pacjentów
- ✓Dostęp do najlepszych praktyk inżynieryjnych i nowoczesnego stacka (AWS, Docker, Git)
- ✓Atrakcyjne benefity: opieka zdrowotna, wsparcie rodzinne, płatny urlop, dni wolne na reset
- ✓Międzynarodowe środowisko i współpraca z ekspertami z różnych dziedzin
Na co uważać
- −Wymóg 70% pracy w biurze - może być problemem dla osób preferujących pełną elastyczność
- −Brak widełek wynagrodzenia - przy wymaganiach na poziomie Ph.D. brak transparentności
- !Wzmianka o 'Generative AI' jako nowej możliwości - może być buzzwordem bez konkretnego zastosowania
- !Nie określono wielkości zespołu DSAI ani liczby data scientistów
- !Nie podano konkretnych narzędzi ML poza scikit-learn (np. PyTorch, TensorFlow)
- !Brak informacji o monitorowaniu wdrożonych modeli i odpowiedzialności za utrzymanie
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
Codzienna praca
- •Projektowanie i wdrażanie modeli uczenia maszynowego i optymalizacji dla procesów produkcyjnych mRNA
- •Analiza i wizualizacja danych z procesów kontroli jakości i produkcji
- •Stosowanie technik optymalizacji (kombinatoryczna, dyskretna, wypukła) do harmonogramowania i generowania partii produkcyjnych
- •Przeprowadzanie symulacji Monte Carlo i eksperymentów bayesowskich
- •Współpraca z interesariuszami w celu definiowania celów projektów i iteracyjnego udoskonalania rozwiązań
- •Implementacja najlepszych praktyk inżynierii oprogramowania i data science (wersjonowanie, Docker, AWS, dokumentacja)
- •Czyszczenie i analiza dużych, nieustrukturyzowanych zbiorów danych
- •Komunikacja wyników analiz do odbiorców technicznych i nietechnicznych
Więcej o ofercie↓
Dla kogo jest ta oferta
Profil idealny
Osoba z doktoratem z ilościowej dziedziny STEM (np. informatyka, matematyka, fizyka), 0-2 lata doświadczenia, ale silne umiejętności w Pythonie i statystyce. Zainteresowana zastosowaniem zaawansowanych metod optymalizacji i uczenia maszynowego w kontekście produkcji farmaceutycznej. Osoba, która lubi pracę w międzynarodowym zespole, chce mieć realny wpływ na skalowanie terapii mRNA i preferuje pracę hybrydową (70% w biurze).
Minimum sensowne
Osoba z tytułem magistra i 5-8 latami doświadczenia w data science, solidna znajomość Pythona i baz danych, doświadczenie w analizie danych inżynieryjnych. Może nie mieć optymalizacji, ale musi wykazać się umiejętnością uczenia się i adaptacji.
Raczej nie dla
Junior bez doświadczenia w data science ani zaawansowanego stopnia naukowego. Osoba szukająca w pełni zdalnej pracy (wymagane 70% w biurze w Warszawie). Ktoś, kto nie lubi pracy z surowymi danymi produkcyjnymi i nie chce angażować się w optymalizację procesów.
Ocena dopasowania
Junior1/5
Mid3/5
Senior4/5
Hands-on5/5
Architekt2/5
Remote1/5
Enterprise4/5
Pytania do rekrutera
- ?Jak liczny jest zespół DSAI w Warszawie i ilu data scientistów w nim pracuje?
- ?Jaki jest typowy proces wdrożenia modelu do produkcji i czy istnieje osobny zespół MLOps?
- ?Czy oczekiwana jest dyspozycyjność on-call lub dyżury?
- ?Jakie konkretne optymalizacje (np. harmonogramowanie) są priorytetem?
- ?Czy istnieje budżet na konferencje/szkolenia i ile wynosi?
- ?Jak wygląda harmonogram 70/30 - czy to 3-4 dni w biurze tygodniowo?
- ?Czy są już wdrożone rozwiązania z zakresu GenAI, czy to dopiero eksploracja?
- ?Jakie są główne wyzwania w danych produkcyjnych (jakość, dostępność, skala)?
Brakujące informacje
- −Nie podano widełek wynagrodzenia
- −Brak informacji o liczbie dni w biurze w modelu hybrydowym (tylko procent)
- −Nie opisano procesu rekrutacyjnego (liczba etapów, zadanie domowe, live coding)
- −Nie wiadomo, jaka jest wielkość zespołu ds. danych
- −Brak informacji o okresie próbnym lub możliwości B2B
Zespół
Firma kładzie nacisk na ciągłe uczenie się, cyfryzację i współpracę. Kultura oparta na wartościach Moderny - 'obsessing over learning'. Wspomniano o bezpośrednim mentorstwie i innowacjach, ale szczegóły nie są podane.
🔗Podobne oferty
Oferta w skrócie
Widełki nieujawnione
❓—Tryb pracy
📄OtherKontrakt
⏱️NieznanyDoświadczenie
LokalizacjaWarszawa
Źródło
linkedinAktywna
Opublikowano4 maja 2026
Ostatnio sprawdzono7 maja 2026
Wygasa za27 dni
📊Jakość danych
Kompletność50%
Dane częściowe
Brakuje części pól — sprawdź szczegóły u źródła.