Senior Data Scientist
PKO Bank Polski
Rola w dziale data science w największym banku w Polsce. Główny nacisk na budowę i utrzymanie modeli NLP (transformery, LLM) oraz klasycznych modeli ML w produkcji. Codzienna praca obejmuje cały cykl życia modeli – od prototypowania w PyTorch, przez pipeline'owanie w Airflow, po monitoring i optymalizację silnika decyzyjnego dla kampanii. W projektach innowacyjnych pojawia się GenAI i hiperpersonalizacja. To stanowisko inżynierskie, a nie badawcze – modele trafiają do produkcji.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu i struktury, brak informacji o liczbie modeli w produkcji.
Rola w dziale data science w największym banku w Polsce. Główny nacisk na budowę i utrzymanie modeli NLP (transformery, LLM) oraz klasycznych modeli ML w produkcji. Codzienna praca obejmuje cały cykl życia modeli – od prototypowania w PyTorch, przez pipeline'owanie w Airflow, po monitoring i optymalizację silnika decyzyjnego dla kampanii. W projektach innowacyjnych pojawia się GenAI i hiperpersonalizacja. To stanowisko inżynierskie, a nie badawcze – modele trafiają do produkcji.
- ✓Dostęp do Coursery i DataCamp (płatne subskrypcje)
- ✓Innowacyjne projekty z GenAI i hiperpersonalizacją
- ✓System premiowy (dedykowany program premiowy)
- ✓Stabilizacja zatrudnienia w dużej instytucji finansowej
- !Nie podano konkretnej liczby dni pracy hybrydowej w tygodniu
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowanie modeli NLP (transformery, LLM) w PyTorch
- •Tworzenie modeli ML (klasyfikacja, regresja, analiza GEO, sieci społeczne) od prototypu do wdrożenia
- •Utrzymywanie i monitorowanie modeli ML w produkcji (fabryka modeli)
- •Budowanie i optymalizacja przepływów danych i ML w Apache Airflow
- •Detekcja zdarzeń o wysokiej mocy predykcyjnej
- •Optymalizacja silnika decyzyjnego sterującego dystrybucją leadów kampanijnych
- •Praca z Google Cloud Platform (BigQuery, AI Notebooks, MLFlow, DataProc)
Oferta dla doświadczonych specjalistów (Senior).
Data scientist z 3-4 latami doświadczenia, biegły w Pythonie i jednym frameworku deep learning (PyTorch), który ma podstawy NLP i pracował z chmurą (GCP). Potrafi samodzielnie prototypować i wdrażać modele.
Nie dla osób bez doświadczenia w produkcji modeli ML ani dla juniorów poniżej 3 lat. Osoby szukające głównie pracy badawczej (R&D bez wdrożeń) mogą być rozczarowane.
- ?Ile osób liczy zespół data science i jak jest podzielony na zespoły (np. NLP, kampanie, infra)?
- ?Jak wygląda proces modelowania, od pomysłu do produkcji – ile modeli średnio jest w produkcji?
- ?Czy są dyżury on-call dla modeli produkcyjnych?
- ?Jakie narzędzia są używane do monitorowania modeli w produkcji (drift, performance)?
- ?Czy w ramach roli są przewidziane projekty badawcze (np. publikacje), czy tylko inżynieria produkcyjna?
- ?Jak wygląda współpraca z zespołem IT (DevOps/infra) przy wdrażaniu modeli na GCP?
- −Nie podano wielkości zespołu i struktury
- −Brak informacji o liczbie modeli w produkcji
- −Nie podano szczegółów dotyczących ewaluacji i monitoringu modeli
Zespół stawia na autonomię i rozwój – pracownicy mają dostęp do platform szkoleniowych i pracują nad nowatorskimi rozwiązaniami. Praca w dużej instytucji zapewnia stabilność, ale może wiązać się z formalnościami.