Pracuj.pl Hybrydowo Mid New

Data Scientist

GOLDENORE ITC sp. z o.o.

⚲ Warszawa

Wymagania

  • Python
  • NumPy
  • SciPy
  • Pandas
  • Matplotlib
  • SQL
  • Java
  • Scala
  • Hadoop
  • Apache Spark

Opis stanowiska

Nasze wymagania: Dobra znajomość zagadnień uczenia maszynowego i statystyki Bardzo dobra znajomość Python (m.in. NumPy, SciPy, Pandas, Matplotlib oraz biblioteki ML) Bardzo dobra znajomość SQL Doświadczenie w budowie i walidacji modeli ML Umiejętność łączenia podejścia analitycznego z rozumieniem potrzeb biznesowych Zmysł produktowy i umiejętność współpracy z biznesem Dobre praktyki inżynierskie i jakościowe w pracy z kodem i modelami Mile widziane: Java lub Scala Doświadczenie z Hadoop i Apache Spark Podstawy DevOps / Linux Administration Doświadczenie w produkcyjnym wdrażaniu modeli ML Doświadczenie w projektach z obszaru fraud / NLP / process mining O projekcie: Dołącz do zespołu pracującego nad zaawansowanymi rozwiązaniami data science wspierającymi kluczowe obszary biznesowe, takie jak process mining, churn analysis, fraud prevention czy NLP. Szukamy osoby, która nie tylko buduje modele, ale potrafi zrozumieć problem biznesowy, znaleźć odpowiednie dane, współtworzyć wizję produktu i współpracować z biznesem przy wdrażaniu rozwiązań opartych o dane. To rola dla osoby o profilu T-shaped Data Scientist — łączącej wiedzę analityczną, produktową i inżynierską. Pracujemy hybrydowo – spotkania zespołowe 2x w miesiącu w Warszawie. Zakres obowiązków: Projektowanie, budowa i rozwój modeli machine learning dla różnych obszarów biznesowych Analiza danych i tworzenie rozwiązań wspierających m.in. fraud prevention, churn analysis, NLP i process mining Identyfikowanie i pozyskiwanie danych z różnych źródeł wewnątrz organizacji i poza nią Rozumienie problemów biznesowych i przekładanie ich na rozwiązania data science Współtworzenie koncepcji produktów opartych o dane oraz angażowanie interesariuszy biznesowych Eksploracja danych, feature engineering oraz ewaluacja modeli Współpraca z zespołami technologicznymi i biznesem przy wdrażaniu modeli do środowisk produkcyjnych Udział w rozwoju standardów analitycznych i dobrych praktyk data science