ML/Data Scientist

🕒 Współpraca długofalowa 💼 Forma współpracy: B2B 🏢 Tryb pracy: hybrydowy (Warszawa) 3 dni pracy w biurze, 2 dni pracy zdalnej 📈 Branża: Ubezpieczeniowa Projekt: Projekt polega na tworzeniu i wdrażaniu modeli statystycznych oraz uczenia maszynowego wspierających procesy aktuarialne, opartych na analizie dużych zbiorów danych, automatyzacji procesów i ścisłej współpracy z ekspertami biznesowymi w celu dostarczania praktycznych rekomendacji decyzyjnych.Zakres obowiązków: • Opracowywanie, wdrażanie i utrzymywanie modeli statystycznych oraz uczenia maszynowego wspierających funkcje aktuarialne. • Analiza dużych i złożonych zbiorów danych w celu uzyskania praktycznych wniosków wspierających proces podejmowania decyzji. • Przeprowadzanie eksploracyjnej analizy danych i tworzenie cech (feature engineering) dla poprawy jakości modeli i ich interpretowalności. • Wspieranie automatyzacji i optymalizacji procesów aktuarialnych z wykorzystaniem nowoczesnych narzędzi i frameworków data science. • Ścisła współpraca z aktuariuszami, underwriterami i zespołami likwidacji szkód w celu przekładania wyzwań biznesowych na rozwiązania analityczne. • Przygotowywanie prezentacji wyników i rekomendacji w sposób zrozumiały dla odbiorców technicznych. Wymagania: • Biegłość w Pythonie w zakresie analizy danych i modelowania. • Dobra znajomość metod uczenia maszynowego, analityki predykcyjnej oraz wnioskowania statystycznego. • Doświadczenie w pracy z narzędziami do przetwarzania danych (np. pandas, SQL) oraz wizualizacji danych (np. matplotlib, seaborn, ggplot2). • Umiejętność pracy z wykorzystaniem repozytorium kodu. • Silne umiejętności rozwiązywania problemów i pasja do odkrywania wniosków płynących z danych. • Umiejętność współpracy w interdyscyplinarnych zespołach. Mile widziane: • Znajomość narzędzi pricingowych WTW (Emblem, Radar). • Znajomość branży ubezpieczeniowej. • Znajomość narzędzi SAS. • Znajomość systemów kontroli wersji (Git). • Znajomość środowisk chmurowych (AWS, Azure). Dlaczego warto: • Projekt o realnym wpływie na dane w dużej organizacji. • Nowoczesne technologie i środowisko chmurowe. • Stabilna współpraca (B2B). • Elastyczny model pracy (hybrydowy).