Senior Data Scientist (m/f/x)
GRID esports
Rola koncentruje się na budowie i optymalizacji modeli predykcyjnych czasu rzeczywistego dla rynków zakładów esportowych (CS2, Dota 2, League of Legends). Obejmuje projektowanie statystyczne modele, inżynierię cech z surowych telemetrii, tworzenie frameworków backtestingu oraz wdrażanie modeli do produkcji. Wymaga głębokiej wiedzy z zakresu prawdopodobieństwa, statystyki i ML, a także biegłości w Pythonie i umiejętności pisania kodu produkcyjnego.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu ani struktury, brak opisu procesu rekrutacyjnego.
Rola koncentruje się na budowie i optymalizacji modeli predykcyjnych czasu rzeczywistego dla rynków zakładów esportowych (CS2, Dota 2, League of Legends). Obejmuje projektowanie statystyczne modele, inżynierię cech z surowych telemetrii, tworzenie frameworków backtestingu oraz wdrażanie modeli do produkcji. Wymaga głębokiej wiedzy z zakresu prawdopodobieństwa, statystyki i ML, a także biegłości w Pythonie i umiejętności pisania kodu produkcyjnego.
- ✓Pełna odpowiedzialność end-to-end od badań do wdrożenia modeli
- ✓Praca z unikalnym, wysokoczęstotliwościowym strumieniem danych telemetrycznych
- ✓Możliwość wpływu na kluczowe decyzje produktowe w rozwijającej się dziedzinie
- !Brak informacji o składzie zespołu i liczbie osób w dziale data science
- !Nieokreślony balans między pracą badawczą a inżynieryjną
- !Brak wzmianki o dyżurach on-call lub wsparciu produkcyjnym modeli
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i optymalizacja modeli ML/statystycznych do wyznaczania prawdopodobieństw wygranych w czasie rzeczywistym
- •Ekstrakcja sygnałów z surowych danych telemetrycznych esportu i inżynieria cech
- •Tworzenie rygorystycznych frameworków backtestingu z uwzględnieniem wycieków danych
- •Definiowanie reguł matematycznych dla instrumentów pochodnych (handicapy, sumy, zakłady na graczy)
- •Współpraca z inżynierami przy wdrażaniu modeli do produkcyjnych pipeline'ów i mikroserwisów
- •Monitorowanie wydajności modeli i kalibracja prawdopodobieństw
- •Badanie nowych metod i transferowanie wyników badań do funkcji produktowych
Oferta dla doświadczonych specjalistów (Senior).
Data scientist z co najmniej 5-letnim doświadczeniem, solidnym backgroundiem w statystyce i Pythonie, który ma doświadczenie w budowie frameworków ewaluacyjnych, ale może nie znać jeszcze domeny esportowej.
Juniorzy i midowie z mniej niż 5 latami doświadczenia w data science, osoby niekomfortowe z pracą na strumieniowych danych oraz niechętne do zagłębiania się w specyfikę zakładów bukmacherskich.
- ?Jak wygląda balans między pracą badawczą a wdrożeniową w zespole?
- ?Ile osób liczy zespół data science i jak jest zorganizowany?
- ?Czy istnieje dyżur on-call dla modeli produkcyjnych?
- ?Jakie konkretne narzędzia MLOps są obecnie używane (oprócz Airflow)?
- ?Jak wygląda proces wdrożenia modelu do produkcji – kto odpowiada za deploy?
- ?Czy oferujecie wsparcie w nauce esportu i mechanik zakładów?
- −Nie podano wielkości zespołu ani struktury
- −Brak opisu procesu rekrutacyjnego
- −Nie określono konkretnych narzędzi MLOps poza Airflow
- −Brak informacji o on-call i wsparciu produkcyjnym modeli
- −Nie wiadomo, czy praca jest zdalna, hybrydowa czy stacjonarna (mimo lokalizacji we Wrocławiu)
Środowisko autonomiczne z dużą odpowiedzialnością za modele, współpraca z inżynierami i zespołem produktowym.