Senior Data Scientist, Payments Tribe, Growth Alliance (m/f/d)
HelloFresh
Rola polega na budowaniu i utrzymywaniu modeli ML do wykrywania fraudów (płatności, vouchery) oraz optymalizacji procesów subskrypcyjnych (Ship & Collect) w HelloFresh. Praca obejmuje pełny cykl życia modeli – od danych po produkcję, z naciskiem na inferencję w czasie rzeczywistym i batchową. To stanowisko czysto Data Science/ML – nie analityka BI czy raportowanie. Będziesz współpracować z inżynierami, produktem i operacjami, pracując w międzynarodowym, autonomicznym zespole.
Brakuje: nie podano liczby dni hybrydowych, brak opisu procesu rekrutacyjnego (etapy, zadania, rozmowy).
Rola polega na budowaniu i utrzymywaniu modeli ML do wykrywania fraudów (płatności, vouchery) oraz optymalizacji procesów subskrypcyjnych (Ship & Collect) w HelloFresh. Praca obejmuje pełny cykl życia modeli – od danych po produkcję, z naciskiem na inferencję w czasie rzeczywistym i batchową. To stanowisko czysto Data Science/ML – nie analityka BI czy raportowanie. Będziesz współpracować z inżynierami, produktem i operacjami, pracując w międzynarodowym, autonomicznym zespole.
- ✓Globalna skala i realny wpływ na miliony klientów
- ✓Autonomiczne, cross-funkcjonalne zespoły z end-to-end ownership
- ✓Zachęta do używania Generative AI w codziennej pracy
- ✓Nowoczesny stack (SageMaker, Databricks, Tecton – jeśli wdrążony)
- !Brak informacji o liczbie dni hybrydowych w tygodniu
- !Szeroki zakres technologii (Spark, Databricks, AWS, Airflow, Tecton) – ryzyko rozproszenia
- !Nie podano procesu rekrutacyjnego (poza 5-dniowym oknem na odpowiedź)
- !Możliwe dyżury on-call? Nie wspomniane
- •Budowanie i wdrażanie modeli klasyfikacji, regresji i uplift dla wykrywania fraudów płatniczych i voucherów
- •Projektowanie i utrzymanie pipeline'ów inferencji w czasie rzeczywistym (checkout) oraz batchowej (Ship & Collect)
- •Monitorowanie wydajności modeli w produkcji, wykrywanie anomalii i raportowanie do interesariuszy
- •Przeprowadzanie eksperymentów A/B testowych w celu pomiaru wpływu biznesowego modeli
- •Praca z dużymi zbiorami danych w Spark/PySpark na Databricks
- •Implementacja i optymalizacja feature engineering w AWS SageMaker i feature store (Tecton)
- •Używanie narzędzi Generative AI do przyspieszania cyklu developmentu i poprawy jakości kodu
- •Współpraca z inżynierami, product managerami, finansami i operacjami w celu definiowania problemów i rozwiązań
Oferta dla doświadczonych specjalistów (Senior).
Data Scientist z co najmniej 3-letnim doświadczeniem w ML, posiadający solidne podstawy w Pythonie i klasyfikacji, ale mniej doświadczenia w produkcji lub Spark – powinien spełniać większość wymagań must-have.
Nie dla juniorów (poniżej 3 lat) ani osób bez doświadczenia w produkcji modeli ML. Rola wymaga samodzielności i znajomości całego cyklu ML – od danych po deployment.
- ?Ile dni w biurze tygodniowo zakłada tryb hybrydowy?
- ?Jaki jest obecny skład zespołu Data Science i ile osób jest w squadzie Risk & Fraud?
- ?Czy model jest w pełni wdrożony w produkcji z Sagamakerem, czy to nowa inicjatywa?
- ?Jak wygląda proces monitorowania modeli w produkcji i czy są dyżury on-call?
- ?Czy Tecton jest już używany jako feature store, czy to w planach?
- ?Jak często przeprowadzane są A/B testy i jak mierzony jest wpływ biznesowy?
- ?Jaki jest budżet na konferencje/szkolenia i dostęp do narzędzi GenAI?
- ?Czy istnieje możliwość pracy w pełni zdalnej w określonych dniach?
- −Nie podano liczby dni hybrydowych
- −Brak opisu procesu rekrutacyjnego (etapy, zadania, rozmowy)
- −Nie wiadomo, czy istnieje system dyżurów on-call
- −Nie sprecyzowano, czy feature store (Tecton) jest już wdrożony
Międzynarodowy, autonomiczny zespół w strukturze HelloTech, z kulturą knowledge sharingu i end-to-end odpowiedzialnością za produkt.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię A/B testing. Pełne statystyki zarobków →