Python Data Scientist/Engineer
Caspian One
Rola łączy inżynierię danych z applied data science w środowisku front-office globalnej firmy inwestycyjnej. Będziesz projektować i budować Pythonowe pipeline'y danych (batch i near‑real‑time), produkcyjne komponenty ML (feature engineering, scoring) oraz API wystawiające dane. Kluczowe zadania to migracja legacy przepływów do nowoczesnych rozwiązań Pythonowych, optymalizacja zapytań i współpraca z portfolio managerami przy industrializacji ich modeli. To nie jest rola badawcza – skupia się na produkcji, skalowalności i niezawodności systemów danych.
Brakuje: nie podano wielkości zespołu ani liczby zespołów, brak opisu procesu rekrutacyjnego.
To rola przede wszystkim inżyniera danych (Data Engineer) z elementami applied ML, a nie klasycznego Data Scientist. Główny nacisk kładzie się na budowę produkcyjnych pipeline'ów, migrację legacy i współpracę z front-office – badania naukowe czy zaawansowane modelowanie nie są tu głównym zadaniem.
Rola łączy inżynierię danych z applied data science w środowisku front-office globalnej firmy inwestycyjnej. Będziesz projektować i budować Pythonowe pipeline'y danych (batch i near‑real‑time), produkcyjne komponenty ML (feature engineering, scoring) oraz API wystawiające dane. Kluczowe zadania to migracja legacy przepływów do nowoczesnych rozwiązań Pythonowych, optymalizacja zapytań i współpraca z portfolio managerami przy industrializacji ich modeli. To nie jest rola badawcza – skupia się na produkcji, skalowalności i niezawodności systemów danych.
- ✓Bezpośredni kontakt z front-office i realny wpływ na decyzje inwestycyjne
- ✓Nowoczesny stos technologiczny (Python, Databricks, PySpark, parquet)
- ✓Możliwość pracy nad pełnym cyklem: od POC do produkcji
- ✓Rola w renomowanej globalnej firmie inwestycyjnej
- !Rekrutacja przez agencję (Caspian One) – nie bezpośrednio u klienta
- !Poziom 'regular' może sugerować niższy seniority niż faktyczny zakres obowiązków
- !Nie podano konkretnego cloud providera (np. AWS, Azure, GCP)
- •Projektowanie i budowa Pythonowych pipeline'ów ETL/ELT z wykorzystaniem formatu parquet na zarządzanym cloud storage
- •Rozwijanie produkcyjnych komponentów ML: przygotowanie cech, pipeline'y scoringowe, API do udostępniania danych
- •Migracja legacy przepływów (np. z innych języków) do nowoczesnych rozwiązań Pythonowych
- •Praca z Databricks i PySpark – optymalizacja zapytań i workloadów
- •Wsparcie portfolio managerów i analityków w dostępie do danych i technicznym designie produkcji
- •Utrzymywanie standardów inżynieryjnych: CI/CD, testy, code review, dokumentacja
- •Debugowanie i optymalizacja wydajności pipeline'ów oraz API
- •Współpraca z zespołami platformowymi przy poprawie łączności z Databricks i zarządzaniu infrastrukturą
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier danych z co najmniej 3-letnim doświadczeniem, który potrafi samodzielnie budować pipeline'y w Pythonie, ma styczność z PySpark i Databricks oraz zna dobre praktyki CI/CD. Osoba ta musi być gotowa do pracy w modelu hybrydowym we Wrocławiu.
Osoby szukające czystej roli badawczej Data Science (bez produkcji), juniorzy bez mocnych podstaw inżynieryjnych, ani kandydaci preferujący pracę w pełni zdalną.
- ?Ile dni w biurze we Wrocławiu są wymagane?
- ?Ile osób liczy zespół front-office technology, w którym będę pracować?
- ?Jakie chmurowe rozwiązanie storage jest używane (AWS S3, Azure Data Lake, GCS)?
- ?Czy w ramach roli przewidziane są dyżury on-call?
- ?Jak wygląda proces rekrutacji – ile etapów, czy jest zadanie domowe?
- −Nie podano wielkości zespołu ani liczby zespołów
- −Brak opisu procesu rekrutacyjnego
- −Nie określono minimalnej liczby dni pracy w biurze
- −Nie wiadomo, który cloud provider jest używany
Zespół front-office technology w dużej firmie inwestycyjnej, pracujący w szybkim tempie i blisko biznesu. Kultura nastawiona na dostarczanie wartości, współpracę z portfolio managerami i analitykami.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →