Data Scientist (Python/ML)
Antal
Rola skupia się na tworzeniu i wdrażaniu modeli uczenia maszynowego w Pythonie dla optymalizacji procesów przemysłowych w globalnej firmie produkcyjnej. Będziesz budować modele predykcyjne, pipeline'y danych w czasie rzeczywistym oraz dashboardy (Streamlit/Dash) dla redukcji zużycia energii i emisji CO₂. Praca hybrydowa w Warszawie, projekt pierwszy na 6 miesięcy z możliwością przedłużenia.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu, brak informacji o procesie rekrutacyjnym (etapy, liczba rozmów).
Rola skupia się na tworzeniu i wdrażaniu modeli uczenia maszynowego w Pythonie dla optymalizacji procesów przemysłowych w globalnej firmie produkcyjnej. Będziesz budować modele predykcyjne, pipeline'y danych w czasie rzeczywistym oraz dashboardy (Streamlit/Dash) dla redukcji zużycia energii i emisji CO₂. Praca hybrydowa w Warszawie, projekt pierwszy na 6 miesięcy z możliwością przedłużenia.
- ✓Interesująca domena: optymalizacja energii i redukcja CO₂ w przemyśle
- ✓Praca z danymi time-series i pełny lifecycle ML
- ✓Nowoczesny stack: Python, Docker, Streamlit/Dash, chmura
- ✓Możliwość realnego wpływu na zrównoważony rozwój
- −Agencja rekrutacyjna (Antal) – rola u klienta, nie bezpośrednio
- −Kontrakt B2B na projekt 6-miesięczny, choć z możliwością przedłużenia
- −Brak widełek wynagrodzenia w ogłoszeniu
- !Hybryda 1-2 dni w biurze, ale lokalizacja Warszawa sztywna
- !Nieznana nazwa klienta
- !Nieokreślona wielkość zespołu i struktura raportowania
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Tworzenie aplikacji ML w Pythonie do optymalizacji procesów przemysłowych
- •Budowanie i wdrażanie modeli predykcyjnych oraz algorytmów detekcji dla produkcji
- •Rozwój i utrzymanie pipeline'ów danych dla danych produkcyjnych w czasie rzeczywistym
- •Projektowanie modeli danych dla procesów produkcji materiałów budowlanych
- •Tworzenie wizualizacji danych przy użyciu bibliotek Pythona
- •Budowa interaktywnych dashboardów (Streamlit, Dash)
- •Konteneryzacja aplikacji za pomocą Dockera
- •Monitorowanie wydajności modeli i jakości danych
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Mid-level data scientist z doświadczeniem we wdrożeniach ML w produkcji, znający Python i podstawy chmury. Brak doświadczenia w domenie przemysłowej nie dyskwalifikuje, ale mile widziane.
Juniorzy bez doświadczenia w produkcyjnym ML oraz osoby szukające czysto badawczej roli (R&D). Rola wymaga solidnego backgroundu inżynierskiego i samodzielności.
- ?Jaka jest nazwa i profil klienta końcowego?
- ?Ile osób liczy zespół Data Science / inżynieryjny?
- ?Jakie konkretne platformy chmurowe są używane (AWS/Azure/GCP)?
- ?Czy są ustalone dyżury on-call lub wsparcie produkcyjne?
- ?Jak często są wdrażane modele do produkcji i jakie są standardy CI/CD?
- ?Czy istnieje istniejąca infrastruktura MLOps, czy trzeba ją budować od zera?
- ?Jakie są źródła danych i ich przybliżona objętość (skala danych time-series)?
- −Nie podano wielkości zespołu
- −Brak informacji o procesie rekrutacyjnym (etapy, liczba rozmów)
- −Nie wiadomo czy praca nad konkretnym projektem czy rotacyjnie
- −Brak informacji o budżecie szkoleniowym lub konferencjach
- −Nie określono stawek godzinowych ani widełek