Data Scientist – Python & Cloud Data Platforms (f/m/x)
⚲ Warszawa, Wrocław, Kraków, Gdańsk, Poznań, Katowice, Białystok, Bydgoszcz, Lublin, Łódź
Do uzgodnienia
Wymagania
- min. 4 lata doświadczenia w data science lub applied analytics
- modele i analizy wdrożone poza etap prototypu
- mocne podstawy statystyczne (testowanie hipotez, regresja, projektowanie eksperymentów)
- znajomość co najmniej jednej platformy chmurowej/danych i jej komponentów DS (Azure, AWS, GCP, Snowflake, Databricks lub Palantir)
- umiejętność komunikowania wyników analitycznych stakeholderom biznesowym
- płynny angielski i polski
- zamieszkanie w Polsce
Mile widziane
- doświadczenie produkcyjne z Microsoft Fabric lub certyfikat Palantir Foundry
Opis stanowiska
Rola data scientist w projektach enterprise, gdzie głównym wyzwaniem jest przekładanie niejasnych pytań biznesowych na działające modele i analizy. Będziesz pracować na klasycznym stacku Python (pandas, NumPy, scikit-learn) oraz na platformach danych takich jak Microsoft Fabric czy Palantir Foundry, wdrażając analitykę na Azure, AWS lub GCP. To oferta dla osoby, która potrafi samodzielnie zdefiniować problem i wdrożyć model do produkcji, a nie tylko zbudować prototyp. Uwaga: ogłoszenie wprost zakłada pracę z niejednoznacznymi wymaganiami i integrację z istniejącym, potencjalnie złożonym ekosystemem danych klienta.
🔍 Dekoder Ogłoszenia
🔴
turn ambiguous business questions into models and analyses that actually get used
Oczekuje się, że będziesz samodzielnie definiować problemy biznesowe i znajdować dla nich rozwiązania analityczne, co może oznaczać brak jasnych wytycznych.
🟡
Your day-to-day will revolve around the classic Python data stack: pandas, NumPy, and scikit-learn.
Może to sugerować, że praca będzie opierać się głównie na podstawowych narzędziach, a mniej na najnowszych lub bardziej zaawansowanych technikach.
🔴
The science matters, but so does making it work inside a real organization’s data ecosystem.
Priorytetem może być integracja z istniejącymi, być może przestarzałymi lub skomplikowanymi systemami, zamiast innowacyjnych rozwiązań.
🟡
work hands-on with enterprise data platforms such as Microsoft Fabric (lakehouses, notebooks, semantic models) and Palantir Foundry (pipelines, ontology, operational workflows)
Wymaga to znajomości specyficznych, często złożonych i niszowych platform, które mogą mieć stromą krzywą uczenia się.