Data Scientist with ML (f/m/x)
⚲ Białystok, Bydgoszcz, Gdańsk, Katowice, Kraków, Łódź, Lublin, Piła, Poznań, Rzeszów, Szczecin, Toruń, Warszawa, Wrocław
Do uzgodnienia
Wymagania
- min. 5 lat doświadczenia jako Data Scientist (lub ogólnego w IT z elementami Data Science)
- bardzo dobra znajomość SQL — złożone zapytania, łączenie dużych zbiorów, przygotowanie danych do modelowania
- Python (pandas, numpy, scikit-learn, statsmodels) — analiza, modelowanie, walidacja wyników
- doświadczenie z dużymi zbiorami danych i procesami ETL
- umiejętność pracy z danymi biznesowymi i interpretacji wyników analitycznych
- dbałość o jakość kodu i powtarzalność analiz
- komunikacja w języku angielskim w środowisku międzynarodowym
Mile widziane
- doświadczenie w domenie marketingu i analityki konsumenckiej
Opis stanowiska
Praca przy modelach predykcyjnych dla danych marketingowych i konsumenckich — churn, propensity, segmentacja, CLV, rekomendacje. W praktyce dużo czasu zajmie przygotowanie danych i pisanie złożonych zapytań SQL, a nie samo modelowanie od zera. To oferta dla osoby, która lubi łączyć analizę z komunikacją wyników do zespołów biznesowych. Uwaga: 'minimum 5 lat jako Data Scientist' może być liczone także jako ogólne doświadczenie w IT z elementami Data Science — warto dopytać na rozmowie, jak realnie wygląda podział czasu między analizą, walidacją a budową modeli.
🔍 Dekoder Ogłoszenia
🔴
Minimum 5 years of experience as a Data Scientist
Może oznaczać zarówno 5 lat doświadczenia w roli Data Scientist, jak i 5 lat ogólnego doświadczenia w IT z elementami Data Science.
🔴
Strong proficiency in SQL – ability to write complex queries, join large datasets, and prepare data for modeling
Może oznaczać, że będziesz głównie zajmować się przygotowaniem danych i tworzeniem zapytań, a nie samym modelowaniem.
🔴
Proficiency in Python (libraries such as pandas, numpy, scikit-learn, statsmodels, or similar) – focus on data analysis, modeling, and result validation
Określenie 'focus on data analysis, modeling, and result validation' może sugerować, że główny nacisk będzie położony na analizę i walidację, a nie na tworzenie od podstaw zaawansowanych modeli ML.
🟡
Experience working with large datasets and ETL processes
Może oznaczać pracę z danymi, które są duże, ale niekoniecznie wymagają zaawansowanych technik przetwarzania czy optymalizacji.
🟡
Ability to communicate effectively in English in an international environment
Standardowe wymaganie, które może oznaczać zarówno codzienną komunikację z zagranicznymi zespołami, jak i sporadyczne spotkania.