Data Scientist room

Scalosoft; Warszawa; Hybrid; PLN 136,000 - 227,000; Full time

Benefits offered by this job

Opieka medyczna

Karta sportowa

Platforma kafeteryjna

Job summary

Scalosoft poszukuje Data Scientist/a do współpracy w Warszawie, z ukierunkowaniem na projektowanie i wdrażanie modeli ML oraz analizę wyników. Oczekiwana jest praktyczna znajomość SQL, feature engineering i oceny modeli w środowiskach produkcyjnych.

Praca w modelu hybrydowym: 1 dzień w biurze klienta w Warszawie, 4 dni zdalnie, z budżetem do 165 PLN/h + VAT w zależności od doświadczenia. Wymagana wyobraźnia biznesowa i umiejętność prezentowania wyników nietechnicznym odbiorcom.

Qualifications

• Minimum 4–5 lat doświadczenia komercyjnego w roli Data Scientist.
• Opracowanie i wdrożenie co najmniej jednego ML modelu wykorzystywanego w procesach biznesowych.
• Bardzo dobra znajomość SQL.
• Praktyczne doświadczenie w budowaniu modeli klasyfikacyjnych na danych tabelarycznych (np. regresja logistyczna, gradient boosting).
• Doświadczenie w projektowaniu i rozwijaniu cech predykcyjnych (feature engineering).
• Umiejętność doboru metod walidacji i metryk oceny modeli do charakterystyki problemu.
• Doświadczenie w planowaniu eksperymentów i ocenie wyników.
• Znajomość metod wyjaśnialności modeli, np. SHAP.
• Umiejętność oceny skuteczności modeli w warunkach produkcyjnych i ich interpretacja.
• Krytyczne podejście do jakości danych i zrozumienie wpływu źródeł danych na modele.
• Praktyczna umiejętność programowania umożliwiająca prowadzenie eksperymentów analitycznych.
• Umiejętność przekładania problemów biznesowych na zadania analityczne i pozyskiwania wiedzy domenowej.
• Znajomość aktualnych metod ML i ich zastosowań.
• Zrozumienie możliwości i ograniczeń modeli LLM oraz dobór adekwatnych rozwiązań.
• Umiejętność prezentowania wyników analiz nietechnicznym odbiorcom i dokumentowania rozwiązań.

Responsibilities

• Współpraca z ekspertami biznesowymi, analitykami i zespołami developerskimi przy wdrażaniu rozwiązań.
• Planowanie i realizacja eksperymentów analitycznych oraz ocena ich wyników.
• Dokumentowanie wyników analiz, eksperymentów i modeli.
• Wykorzystanie metod wyjaśnialności modeli (SHAP) w praktyce.
• Ocena skuteczności modeli w środowisku produkcyjnym i uzasadnianie wskazań.

Skills

Data Science

Machine Learning

SQL

Classification models

Feature engineering

Model validation

Experiment design

SHAP

Production models

Data quality

Python

Java

Tools

Java

Python

Job description

Cześć! Poznaj możliwości współpracy ze Scalo!

Zakres współpracy obejmuje:

• projektowanie, rozwój i utrzymanie modeli Machine Learning wspierających wykrywanie nadużyć i ocenę ryzyka,
• realizacja pełnego cyklu rozwoju modeli – od przygotowania danych i projektowania cech po walidację, wdrożenie i ocenę skuteczności,
• analiza problemów biznesowych oraz dobór odpowiednich metod analitycznych i algorytmów,
• budowanie modeli klasyfikacyjnych na danych tabelarycznych, w tym z wykorzystaniem regresji logistycznej i gradient boosting,
• projektowanie i rozwój cech predykcyjnych (feature engineering),
• dobór metod walidacji, metryk jakości i sposobów oceny modeli w kontekście ich wykorzystania produkcyjnego,
• planowanie eksperymentów oraz analiza i interpretacja ich wyników,
• wykorzystanie metod wyjaśnialności modeli, takich jak SHAP,
• analiza jakości danych i wpływu sposobu ich pozyskiwania na skuteczność modeli,
• weryfikacja nowych metod Machine Learning oraz źródeł danych, w tym danych tekstowych i grafowych,
• ocena zasadności wykorzystania modeli LLM w konkretnych przypadkach biznesowych,
• dokumentowanie wyników analiz, eksperymentów i modeli,
• współpraca z ekspertami biznesowymi, analitykami oraz zespołami developerskimi przy wdrażaniu rozwiązań,
• model realizacji usług: hybrydowy – 1 dzień w tygodniu w biurze klienta w Warszawie, pozostałe 4 dni zdalnie,
• budżet projektu: do 165 PLN/h + VAT, w zależności od doświadczenia oraz zakresu świadczonych usług.

Kompetencje wymagane do realizacji usług:

• min. 4-5 lat doświadczenia komercyjnego w roli Data Scientist,
• doświadczenie w opracowaniu i wdrożeniu co najmniej jednego modelu Machine Learning wykorzystywanego w rzeczywistych procesach biznesowych,
• bardzo dobra znajomość SQL,
• praktyczne doświadczenie w budowaniu modeli klasyfikacyjnych na danych tabelarycznych, w tym z wykorzystaniem regresji logistycznej i gradient boosting,
• doświadczenie w projektowaniu i rozwijaniu cech predykcyjnych (feature engineering),
• umiejętność doboru metod walidacji i metryk oceny modeli do charakterystyki problemu,
• doświadczenie w planowaniu eksperymentów i ocenie ich wyników,
• znajomość metod wyjaśnialności modeli, np. SHAP,
• umiejętność oceny skuteczności modeli w warunkach produkcyjnych oraz interpretowania i uzasadniania ich wskazań,
• krytyczne podejście do jakości danych oraz rozumienie wpływu sposobu ich powstawania na modele,
• praktyczna umiejętność programowania umożliwiająca samodzielne prowadzenie eksperymentów analitycznych,
• umiejętność przekładania problemów biznesowych na zadania analityczne oraz pozyskiwania wiedzy domenowej od ekspertów,
• znajomość aktualnych metod Machine Learning i umiejętność oceny ich przydatności,
• rozumienie możliwości i ograniczeń modeli LLM oraz umiejętność doboru rozwiązań adekwatnych do problemu,
• umiejętność prezentowania wyników analiz osobom nietechnicznym i dokumentowania rozwiązań.

Mile widziane:

• doświadczenie w projektach dotyczących wykrywania nadużyć, AML lub ryzyka kredytowego,
• znajomość branży ubezpieczeniowej,
• doświadczenie w analizie sieci powiązań i danych grafowych,
• znajomość NLP, szczególnie w analizie tekstów w języku polskim,
• doświadczenie w monitorowaniu modeli po wdrożeniu,
• znajomość Java oraz doświadczenie we współpracy z developerami we wspólnym repozytorium, w tym testy i code review.

Co oferujemy w ramach współpracy?

Różnorodne projekty technologiczne

Realizacja projektów z obszaru Software, Embedded, Data, Cloud Services i AI.

Inicjatywy eksperckie i presalesowe

Możliwość udziału w działaniach eksperckich oraz wsparciu procesów presalesowych.

Dodatkowe korzyści

Opieka medyczna, karta sportowa oraz platforma kafeteryjna dostępne zgodnie z obowiązującymi zasadami współpracy.