Data Scientist
Procter & Gamble
To rola Data Scientista w globalnym hubie P&G, gdzie będziesz pracować nad rzeczywistymi problemami biznesowymi w obszarach takich jak retail, media, łańcuch dostaw czy R&D. Na co dzień będziesz analizować ogromne zbiory danych (np. 1.5 TB dziennie), budować i wdrażać modele ML/DL/GenAI w produkcji, korzystając z platformy AI Factory opartej na chmurze (Azure, GCP). Kluczowe jest łączenie wiedzy biznesowej z inżynierią danych i pisaniem kodu produkcyjnego. To nie jest rola czysto analityczna – oczekuje się rzeczywistego wdrożenia algorytmów na skalę globalną.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, nie podano liczby osób w zespole warszawskim ani struktury zespołu.
To rola Data Scientista w globalnym hubie P&G, gdzie będziesz pracować nad rzeczywistymi problemami biznesowymi w obszarach takich jak retail, media, łańcuch dostaw czy R&D. Na co dzień będziesz analizować ogromne zbiory danych (np. 1.5 TB dziennie), budować i wdrażać modele ML/DL/GenAI w produkcji, korzystając z platformy AI Factory opartej na chmurze (Azure, GCP). Kluczowe jest łączenie wiedzy biznesowej z inżynierią danych i pisaniem kodu produkcyjnego. To nie jest rola czysto analityczna – oczekuje się rzeczywistego wdrożenia algorytmów na skalę globalną.
- ✓Globalny zespół 200+ data scientistów z możliwością networkingu i wymiany wiedzy
- ✓Platforma AI Factory uznana przez Harvard Business School – nowoczesne narzędzia
- ✓Udział w konferencjach, szkoleniach i programach coachingowych
- ✓Elastyczne godziny pracy
- ✓Praca na rzeczywistych problemach biznesowych z wpływem na miliardy konsumentów
- !Brak widełek wynagrodzenia
- !Nie opisano procesu rekrutacyjnego
- !Poziom 'regular' – może oznaczać mid-level, ale bez precyzyjnego zdefiniowania
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Współpraca z zespołami produktowymi i liderami biznesowymi w celu zrozumienia problemów i definiowania rozwiązań algorytmicznych
- •Analiza i modelowanie dużych zbiorów danych (SQL, Spark, Python) – np. przetwarzanie danych o zachowaniach 500 mln konsumentów
- •Budowanie, trenowanie i walidacja modeli ML/DL/GenAI/optymalizacyjnych z użyciem Databricks i BigQuery
- •Pisanie produkcyjnego kodu w Pythonie i Sparku z zachowaniem najlepszych praktyk (wersjonowanie, testy, CI/CD)
- •Wdrażanie modeli na platformie AI Factory (Kubernetes, Azure, GCP) przy wsparciu inżynierów AI
- •Monitorowanie i utrzymanie pipeline'ów algorytmicznych w produkcji, zapewniając ich niezawodność i skalowalność
- •Udział w wewnętrznych sesjach dzielenia się wiedzą i networkingu z globalnym zespołem 200+ data scientistów
- •Prezentowanie wyników i rekomendacji interesariuszom biznesowym
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Absolwent studiów magisterskich z dziedziny ilościowej z co najmniej 2-letnim doświadczeniem w produkcyjnym data science, który zna podstawy chmury (Azure/GCP), Pythona i Sparka oraz ma doświadczenie w SQL i modelowaniu. Potrafi komunikować się z biznesem i pracować w zespole.
Osoby bez doświadczenia w produkcyjnym wdrażaniu modeli (tylko analityka ad-hoc), juniorzy poniżej 2 lat, osoby nastawione wyłącznie na pracę zdalną (model hybrydowy) oraz kandydaci unikający pisania kodu produkcyjnego i pracy z dużymi zbiorami danych.
- ?Jak duży jest zespół Data Science w Warszawie? Ilu jest data scientistów w moim obszarze?
- ?Jak wygląda typowy proces wdrożenia modelu do produkcji – od pomysłu do deployu?
- ?Czy istnieje dyżur on-call lub wsparcie produkcyjne po godzinach?
- ?Jakie są ścieżki rozwoju dla data scientista w P&G (np. specjalista vs menedżer)?
- ?Czy w projekcie korzystamy z gotowych rozwiązań AutoML, czy budujemy modele od podstaw?
- ?Jakie są główne wyzwania w obecnych projektach data science w hubie warszawskim?
- ?Czy istnieje możliwość publikacji lub udziału w konferencjach naukowych?
- ?Jak często odbywają się spotkania z globalnym zespołem i czy wymagana jest znajomość języka innego niż angielski?
- −Brak widełek wynagrodzenia
- −Nie podano liczby osób w zespole warszawskim ani struktury zespołu
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe, live coding)
- −Nie sprecyzowano, czy model hybrydowy to stałe 2 dni z biura, czy bardziej elastyczne podejście
- −Brak informacji o ewentualnym budżecie szkoleniowym poza ogólnymi stwierdzeniami
Globalny, współpracujący zespół z silnym naciskiem na dzielenie się wiedzą (cotygodniowe sesje) i różnorodność. Kultura oparta na współpracy między zespołami (AI Engineering, Product) oraz możliwość uczenia się od ekspertów z różnych krajów.