Senior Data Scientist
Grid Dynamics
Rola polega na projektowaniu i wdrażaniu modeli statystycznych i ML do pomiaru efektywności biznesowej, optymalizacji alokacji budżetów i zwiększania efektywności operacyjnej. Będziesz pracować w zespole konsultingowym Grid Dynamics, realizując projekty dla klientów zewnętrznych (prawdopodobnie e-commerce/large-scale consumer). Oczekuje się pełnej odpowiedzialności za modele od danych po produkcję, eksperymenty oraz współpracę z interesariuszami. To rola techniczna z elementami mentoringu.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak informacji o wielkości zespołu i strukturze, nie wiadomo, czy praca jest na jednym projekcie długoterminowo, czy rotacyjna.
Rola polega na projektowaniu i wdrażaniu modeli statystycznych i ML do pomiaru efektywności biznesowej, optymalizacji alokacji budżetów i zwiększania efektywności operacyjnej. Będziesz pracować w zespole konsultingowym Grid Dynamics, realizując projekty dla klientów zewnętrznych (prawdopodobnie e-commerce/large-scale consumer). Oczekuje się pełnej odpowiedzialności za modele od danych po produkcję, eksperymenty oraz współpracę z interesariuszami. To rola techniczna z elementami mentoringu.
- ✓Firma notowana na NASDAQ – stabilność i renoma
- ✓Możliwość pracy z zaawansowanymi modelami (MMM, Bayes)
- ✓Rola z mentoringiem – rozwój kompetencji miękkich
- ✓Elastyczne godziny pracy
- −Model outsourcingowy – praca u klientów, możliwa rotacja projektów i mniejsza stabilność
- −Brak informacji o realnych projektach – opis może być ogólnikowy
- −Widełki nie podane w ogłoszeniu (choć w danych strukturalnych brak, ale to standard) – uwaga: dane strukturalne nie zawierają widełek, więc to brak
- !Hybryda – nie określono liczby dni w biurze
- !„Dynamiczne środowisko” – może oznaczać presję czasu
- !Szeroki zakres nice-to-have – może wskazywać na oczekiwanie wszechstronności
- !Brak opisu procesu rekrutacyjnego
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja modeli regresyjnych (liniowych, gradient boosting) w Pythonie
- •Budowa i utrzymanie modeli atrybucji i optymalizacji budżetów (MMM)
- •Projektowanie i analiza eksperymentów (A/B, testy hipotez)
- •Praca z dużymi zbiorami danych – SQL do ekstrakcji i agregacji
- •Współpraca z inżynierami i product managerami przy definiowaniu metryk
- •Prezentacja wyników i rekomendacji biznesowych dla nietechnicznych interesariuszy
- •Mentoring młodszych członków zespołu i przegląd kodu
- •Utrzymanie i monitorowanie modeli w produkcji (przy wsparciu DevOps)
Oferta dla doświadczonych specjalistów (Senior).
Data Scientist z 3 latami komercyjnego doświadczenia, solidnymi podstawami w regresji i boostingach, znajomością Pythona i SQL. Może nie mieć jeszcze doświadczenia z MMM, ale musi wykazać się potencjałem i szybkim uczeniem.
Osoby z mniej niż 3 latami doświadczenia w data science lub bez silnej wiedzy statystycznej. Rola jest dla seniora – juniorzy lub świeżo po studiach raczej nie spełnią wymagań.
- ?Ile osób liczy zespół data science i jak jest zorganizowany?
- ?Jak wygląda typowy projekt – czy jesteśmy przypisani do jednego klienta, czy rotujemy?
- ?Czy modele są wdrażane w produkcji – jakie są standardy MLOps?
- ?Ile dni w tygodniu należy być w biurze w Warszawie?
- ?Jakie są główne wyzwania techniczne w obecnych projektach?
- ?Czy istnieje budżet na konferencje/szkolenia?
- ?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
- −Brak informacji o wielkości zespołu i strukturze
- −Nie wiadomo, czy praca jest na jednym projekcie długoterminowo, czy rotacyjna
- −Brak opisu procesu rekrutacyjnego
- −Nie określono, jakie narzędzia do MLflow/experiment tracking są używane