Senior Data Scientist (f/m/d)
Moss
To rola dla senior applied data scientist, który zajmuje się budową i wdrażaniem rozwiązań opartych na LLM oraz klasycznym ML do automatyzacji zarządzania wydatkami. Będziesz odpowiedzialny za pełny cykl życia modeli – od zdefiniowania problemu, przez modelowanie, aż po wdrożenie i iterację. Główne obszary to przetwarzanie faktur, dopasowywanie zatwierdzeń, uzgadnianie, wykrywanie anomalii i wsparcie użytkownika. Pomimo tytułu Data Scientist, jest to bardzo praktyczna, inżynierska rola wymagająca doświadczenia produkcyjnego z LLM.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano dokładnego typu kontraktu (b2b vs zatrudnienie), brak informacji o wielkości zespołu.
To rola dla senior applied data scientist, który zajmuje się budową i wdrażaniem rozwiązań opartych na LLM oraz klasycznym ML do automatyzacji zarządzania wydatkami. Będziesz odpowiedzialny za pełny cykl życia modeli – od zdefiniowania problemu, przez modelowanie, aż po wdrożenie i iterację. Główne obszary to przetwarzanie faktur, dopasowywanie zatwierdzeń, uzgadnianie, wykrywanie anomalii i wsparcie użytkownika. Pomimo tytułu Data Scientist, jest to bardzo praktyczna, inżynierska rola wymagająca doświadczenia produkcyjnego z LLM.
- ✓Pakiet equity (opcje udziałowe)
- ✓Budżet szkoleniowy 600 EUR/GBP
- ✓20 dni 'work from abroad' rocznie
- ✓Kultura biurowa z cotygodniowymi śniadaniami i demo w piątki
- ✓Bezpośredni wpływ na kluczowe funkcje produktu z wykorzystaniem nowoczesnych technologii AI
- !Brak informacji o wielkości zespołu i strukturze raportowania
- !Typ kontraktu określony jako 'other' – wymaga doprecyzowania (B2B/UoP)
- !Rola łączy senior IC z leadem, co może prowadzić do rozmycia odpowiedzialności
- !Ogłoszenie zawiera buzzwordy jak 'strategic problem solver' i 'end-to-end executor', co może oznaczać wysokie oczekiwania bez jasnych granic
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja funkcji opartych na LLM do rozumienia faktur i uzgadniania
- •Budowa i utrzymanie pipeline'ów ML do wykrywania anomalii i klasyfikacji
- •Definiowanie metryk ewaluacyjnych, tworzenie zestawów złotych danych i testów automatycznych
- •Współpraca z inżynierami platformy i danych przy wdrażaniu modeli do produkcji
- •Iteracja na wdrożonych modelach na podstawie monitorowania i feedbacku stakeholderów
- •Przeprowadzanie eksperymentów z różnymi architekturami LLM, promptami i RAG
- •Analiza kosztów i opóźnień wywołań LLM oraz optymalizacja
- •Dokumentacja rozwiązań i prezentacja wyników interesariuszom
Oferta dla doświadczonych specjalistów (Senior).
Data scientist z co najmniej 5 latami doświadczenia w stosowanym ML, mocnym Pythonem i pewnym produkcyjnym doświadczeniem z LLM (nawet niepełnym cyklem). Komfortowo czuje się w klasycznym ML i chce rozwijać rozwiązania oparte na LLM.
Nie dla juniorów ani mid-level data scientistów bez doświadczenia produkcyjnego. Rola wymaga dużej autonomii i odpowiedzialności za złożone pipeline'y LLM/ML, więc nie jest odpowiednia dla osób, które pracowały tylko w badaniach lub projektach akademickich bez wdrożeń.
- ?Ile osób liczy zespół Data & AI i jaka jest struktura raportowania?
- ?Jak definiujecie 'własność produkcyjną' w kontekście monitorowania i cykli retreningu modeli?
- ?Czy istnieją już pipeline'y MLOps, czy będę je budować od zera?
- ?Jak często wdrażacie modele produkcyjnie?
- ?Jakich dostawców LLM używacie obecnie (OpenAI, open-source)?
- ?Jak mierzycie sukces funkcji opartych na LLM (dokładność, adopcja użytkowników)?
- ?Jaki jest oczekiwany balans między klasycznym ML a LLM w pierwszych 6 miesiącach?
- ?Czy istnieje dyżur on-call dla systemów ML?
- −Nie podano dokładnego typu kontraktu (B2B vs zatrudnienie)
- −Brak informacji o wielkości zespołu
- −Nie opisano procesu rekrutacyjnego (etapy, zadanie domowe)
- −Nie wiadomo, jaka platforma chmurowa i narzędzia infrastrukturalne są używane
- −Brak szczegółów dotyczących lokalnego biura w Warszawie (model pracy: stacjonarny/hybrydowy)
Kultura opiera się na wpływie, szybkości i współpracy. Czas spędzany w biurze jest kluczowy, z cotygodniowymi śniadaniami i demo w piątki. Zespół jest różnorodny – 50+ narodowości.