Data Scientist
TeamQuest
To rola Data Scientist w firmie tworzącej platformę cyfrową dla sektora mediów i prawa. Głównym zadaniem jest projektowanie i wdrażanie modeli predykcyjnych oraz dashboardów analitycznych, które wspierają decyzje biznesowe. Data Scientist będzie pracować end-to-end — od koncepcji, przez implementację w Pythonie (pandas, scikit-learn, TensorFlow), aż po monitoring w produkcji. Istotnym elementem jest wykorzystanie narzędzi AI (Cursor AI, Claude, GitHub Copilot) do przyspieszania codziennej pracy i prototypowania. Osoba na tym stanowisku będzie też odpowiedzialna za jakość danych, współpracę z biznesem (Product Managerowie, marketing) i rozwijanie kultury data-driven.
Brakuje: nie podano liczby dni hybrydowych w biurze, nie opisano procesu rekrutacyjnego (etapy, zadanie domowe, rozmowy).
To rola Data Scientist w firmie tworzącej platformę cyfrową dla sektora mediów i prawa. Głównym zadaniem jest projektowanie i wdrażanie modeli predykcyjnych oraz dashboardów analitycznych, które wspierają decyzje biznesowe. Data Scientist będzie pracować end-to-end — od koncepcji, przez implementację w Pythonie (pandas, scikit-learn, TensorFlow), aż po monitoring w produkcji. Istotnym elementem jest wykorzystanie narzędzi AI (Cursor AI, Claude, GitHub Copilot) do przyspieszania codziennej pracy i prototypowania. Osoba na tym stanowisku będzie też odpowiedzialna za jakość danych, współpracę z biznesem (Product Managerowie, marketing) i rozwijanie kultury data-driven.
- ✓Dostęp do nowoczesnych narzędzi AI (Cursor AI, Claude, GitHub Copilot) z opłaconymi licencjami
- ✓Budżet szkoleniowy i czas na rozwój
- ✓Interesująca domena (media/prawo) i duże zbiory danych
- ✓Realny wpływ na kulturę data-driven i autonomia w projektach
- !Brak informacji o liczbie dni hybrydowych w biurze
- !Oferta pochodzi od agencji (TeamQuest) – nie ma bezpośredniego kontaktu z pracodawcą
- !Wzmianka o finansowaniu z funduszy europejskich może sugerować niestabilność projektu
- !Duży nacisk na 'vibe coding' i korzystanie z AI do generowania kodu – może to być przesadzone lub wpływać na standardy jakości
- •Budowanie i wdrażanie modeli predykcyjnych w Pythonie (pandas, scikit-learn, TensorFlow)
- •Tworzenie dashboardów i raportów w Power BI / Google Data Studio
- •Pisanie zapytań SQL oraz praca z bazami NoSQL (MongoDB, Elasticsearch)
- •Zarządzanie infrastrukturą danych: czystość, dostępność, bezpieczeństwo
- •Wykorzystywanie narzędzi AI (Cursor AI, Claude, GitHub Copilot) do generowania kodu i analiz
- •Współpraca z Product Managerami, sprzedażą i marketingiem w celu przekładania potrzeb na rozwiązania analityczne
- •Prowadzenie projektów analitycznych od A do Z: koncepcja, implementacja, monitoring
- •Identyfikowanie nowych źródeł danych i rekomendowanie usprawnień w procesach zbierania danych
Oferta dla doświadczonych specjalistów (Senior).
Analityk danych lub Junior Data Scientist z 3-letnim stażem, który ma solidne podstawy Pythona i SQL, umie zbudować prosty model ML i stworzyć dashboard w Power BI, ale może mieć mniejsze doświadczenie w produkcyjnym wdrożeniu modeli czy zaawansowanym MLOps. Powinien wykazywać gotowość do szybkiego prototypowania i używania AI w codziennej pracy.
Osoby bez 3 lat doświadczenia w data science, które nie znają Pythona ani SQL. Również osoby szukające w pełni zdalnej pracy (wymagana jest hybryda w Warszawie) oraz tacy, którzy nie chcą korzystać z narzędzi AI lub preferują ściśle określone, powtarzalne zadania bez kontaktu z biznesem.
- ?Jaka jest wielkość zespołu Data Science i jak jest zorganizowany?
- ?Ile dni w tygodniu trzeba być w biurze w Warszawie?
- ?Jak wygląda proces wdrożenia modelu do produkcji – czy istnieje MLOps pipeline?
- ?Jakie są główne problemy biznesowe, które będę rozwiązywał w pierwszych 3 miesiącach?
- ?Czy istnieje istniejąca infrastruktura danych (data warehouse, lake) czy trzeba ją budować od zera?
- ?Jaki jest stosunek pracy z AI (prompt engineering) do klasycznego kodowania?
- ?Czy przewidziane są dyżury lub praca w weekendy?
- −Nie podano liczby dni hybrydowych w biurze
- −Nie opisano procesu rekrutacyjnego (etapy, zadanie domowe, rozmowy)
- −Brak informacji o składzie zespołu (liczebność, role)
- −Nie ma informacji o on-call lub nadgodzinach
Hybrydowy model pracy i elastyczne godziny, zgrany zespół ekspertów IT, kultura dzielenia się wiedzą i wspierania rozwoju. Firma stawia na nowoczesne narzędzia i samodzielność.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię pandas. Pełne statystyki zarobków →