Data Scientist
⚲ Warszawa
18 000 - 22 000 PLN (B2B)
Wymagania
- Budowa systemów rekomendacyjnych
- Segmentacja użytkowników
- Data
- Data science
- Python
- pandas
- NumPy
- scikit-learn
- Statsmodels
- TF/PyTorch
- PySpark
- Azure
- GCP
- AWS
- Snowflake
- Databricks
- Clean Code
- CI/CD (nice to have)
- Kedro (nice to have)
- CLI (nice to have)
- Bash (nice to have)
- ZSH (nice to have)
Opis stanowiska
O projekcie:
Poszukujemy doświadczonego Data Scientista, który chce rozwijać zaawansowane rozwiązania personalizacyjne w dynamicznym środowisku produktowym. Jeśli masz doświadczenie w personalizacji, rekomendacjach, segmentacji użytkowników i chcesz pracować nad rozwiązaniami wpływającymi na miliony odbiorców - to rola stworzona dla Ciebie.
🚀 Dlaczego warto?
- Praca nad rozwiązaniami personalizacyjnymi o ogromnej skali i realnym wpływie.
- Nowoczesne środowisko technologiczne i dostęp do najnowszych narzędzi.
- Zespół ekspertów, od których można się uczyć i z którymi można tworzyć ambitne rozwiązania.
- 100% praca zdalna i elastyczne podejście do organizacji pracy.
Wymagania:
Wymagania Kluczowe - doświadczenie w personalizacji
To stanowisko wymaga praktycznego doświadczenia w:
- budowie systemów rekomendacyjnych,- segmentacji użytkowników,- modelach predykcyjnych ukierunkowanych na zachowania użytkowników,- personalizacji komunikacji, ofert, treści lub doświadczeń produktowych.
Jeśli masz portfolio projektów personalizacyjnych — to ogromny plus.
Pozostałe wymagania
- Wykształcenie kierunkowe (Data Science, Informatyka, Matematyka, Ekonometria).- Minimum 3 lata doświadczenia jako Data Scientist.- Bardzo dobra znajomość ML i ich zastosowań biznesowych.- Biegłość w Pythonie i bibliotekach: Pandas, Numpy, Scikit‑learn, Statsmodels, TF/PyTorch.- Doświadczenie z dużymi zbiorami danych.- Znajomość PySpark, baz relacyjnych oraz chmury (Azure / GCP / AWS / Snowflake / Databricks).- Umiejętność pisania czystego, modularnego kodu.- Biegły polski i angielski.
Mile widziane:
- CI/CD w projektach data science.- Doświadczenie z Kedro.- Znajomość CLI (bash/zsh).
Codzienne zadania:
- Personalizacja użytkowników -projektowanie i rozwijanie modeli rekomendacyjnych, systemów scoringowych i rozwiązań zwiększających trafność komunikacji oraz doświadczeń użytkownika.
- Współpraca z biznesem - przekładanie potrzeb produktowych na konkretne rozwiązania data science.
- Budowa modeli ML - tworzenie modeli ML i GenAI, które realnie wpływają na strategię marketingową i produktową.
- Analiza danych -praca na dużych zbiorach danych, formułowanie hipotez i wyciąganie wniosków.
- Komunikacja wyników -prezentowanie rezultatów w sposób zrozumiały dla osób nietechnicznych.
- Prowadzenie projektów end‑to‑end: od zrozumienia problemu, przez prototyp, po wdrożenie i monitoring.
Poszukujemy doświadczonego Data Scientista, który chce rozwijać zaawansowane rozwiązania personalizacyjne w dynamicznym środowisku produktowym. Jeśli masz doświadczenie w personalizacji, rekomendacjach, segmentacji użytkowników i chcesz pracować nad rozwiązaniami wpływającymi na miliony odbiorców - to rola stworzona dla Ciebie.
🚀 Dlaczego warto?
- Praca nad rozwiązaniami personalizacyjnymi o ogromnej skali i realnym wpływie.
- Nowoczesne środowisko technologiczne i dostęp do najnowszych narzędzi.
- Zespół ekspertów, od których można się uczyć i z którymi można tworzyć ambitne rozwiązania.
- 100% praca zdalna i elastyczne podejście do organizacji pracy.
Wymagania:
Wymagania Kluczowe - doświadczenie w personalizacji
To stanowisko wymaga praktycznego doświadczenia w:
- budowie systemów rekomendacyjnych,- segmentacji użytkowników,- modelach predykcyjnych ukierunkowanych na zachowania użytkowników,- personalizacji komunikacji, ofert, treści lub doświadczeń produktowych.
Jeśli masz portfolio projektów personalizacyjnych — to ogromny plus.
Pozostałe wymagania
- Wykształcenie kierunkowe (Data Science, Informatyka, Matematyka, Ekonometria).- Minimum 3 lata doświadczenia jako Data Scientist.- Bardzo dobra znajomość ML i ich zastosowań biznesowych.- Biegłość w Pythonie i bibliotekach: Pandas, Numpy, Scikit‑learn, Statsmodels, TF/PyTorch.- Doświadczenie z dużymi zbiorami danych.- Znajomość PySpark, baz relacyjnych oraz chmury (Azure / GCP / AWS / Snowflake / Databricks).- Umiejętność pisania czystego, modularnego kodu.- Biegły polski i angielski.
Mile widziane:
- CI/CD w projektach data science.- Doświadczenie z Kedro.- Znajomość CLI (bash/zsh).
Codzienne zadania:
- Personalizacja użytkowników -projektowanie i rozwijanie modeli rekomendacyjnych, systemów scoringowych i rozwiązań zwiększających trafność komunikacji oraz doświadczeń użytkownika.
- Współpraca z biznesem - przekładanie potrzeb produktowych na konkretne rozwiązania data science.
- Budowa modeli ML - tworzenie modeli ML i GenAI, które realnie wpływają na strategię marketingową i produktową.
- Analiza danych -praca na dużych zbiorach danych, formułowanie hipotez i wyciąganie wniosków.
- Komunikacja wyników -prezentowanie rezultatów w sposób zrozumiały dla osób nietechnicznych.
- Prowadzenie projektów end‑to‑end: od zrozumienia problemu, przez prototyp, po wdrożenie i monitoring.
🔍 Dekoder Ogłoszenia
🔴
dynamicznym środowisku produktowym
Może oznaczać częste zmiany priorytetów, szybkie tempo pracy i potrzebę szybkiej adaptacji do nowych wymagań.
🟡
rozwiązań wpływającymi na miliony odbiorców
Podkreśla skalę projektu, ale niekoniecznie oznacza bezpośredni wpływ na decyzje biznesowe czy widoczność pracy indywidualnej.
🟡
Nowoczesne środowisko technologiczne i dostęp do najnowszych narzędzi.
Może oznaczać, że firma inwestuje w technologie, ale nie gwarantuje, że będziesz miał swobodę wyboru narzędzi czy możliwość ich wdrażania.
🟡
Zespół ekspertów, od których można się uczyć i z którymi można tworzyć ambitne rozwiązania.
Sugeruje możliwość rozwoju, ale może też oznaczać, że będziesz pracować pod ścisłym nadzorem bardziej doświadczonych kolegów.
🔴
100% praca zdalna i elastyczne podejście do organizacji pracy.
Choć brzmi świetnie, 'elastyczne podejście' może oznaczać oczekiwanie dostępności poza standardowymi godzinami pracy lub konieczność samodzielnego zarządzania czasem w sposób wymagający dużej dyscypliny.