Senior Data Scientist
⚲ Warszawa
22 680 - 24 360 PLN netto (B2B)
Wymagania
- Python
- scikit-learn
- Pandas
- XGBoost
- SQL
- Elasticsearch
- Docker
- Kubernetes
- Linux
Opis stanowiska
Zakres współpracy obejmuje:
• projektowanie, rozwój i wdrażanie modeli Machine Learning do wykrywania fraudów i anomalii,
• analizę oraz przygotowanie danych, w tym feature engineering i ocenę jakości danych,
• tworzenie i optymalizację rozwiązań w Pythonie z wykorzystaniem bibliotek scikit-learn, pandas oraz XGBoost,
• budowanie i utrzymywanie procesów przetwarzania danych z wykorzystaniem SQL oraz Elasticsearch,
• współpracę przy wdrażaniu modeli produkcyjnych zgodnie z praktykami MLOps,
• integrację rozwiązań z ekosystemem danych, w tym Apache Kafka,
• konteneryzację i wdrażanie rozwiązań w środowiskach Docker i Kubernetes,
• dbanie o jakość kodu, testowanie rozwiązań oraz stosowanie dobrych praktyk programistycznych,
• analizę skuteczności modeli oraz ciągłe doskonalenie mechanizmów wykrywania nadużyć,
• współpracę z analitykami, ekspertami domenowymi i zespołem projektowym przy identyfikacji nowych scenariuszy fraudowych,
• tryb realizacji usług: hybrydowo (spotkania 2 razy w miesiącu w biurze w Warszawie),
• budżet projektu: do 145 PLN/h + VAT, w zależności od doświadczenia oraz zakresu świadczonych usług.
Kompetencje wymagane do realizacji usług:
• minimum 4 lata doświadczenia w programowaniu rozwiązań w Pythonie,
• praktyczna znajomość Machine Learning, w szczególności scikit-learn, pandas, XGBoost oraz metod anomaly detection,
• doświadczenie w pracy z danymi, obejmujące ich przygotowanie, analizę oraz feature engineering,
• znajomość SQL,
• doświadczenie w pracy z danymi składowanymi w Elasticsearch,
• znajomość Docker i Kubernetes oraz środowiska Linux,
• wiedza z zakresu MLOps oraz doświadczenie w przygotowywaniu modeli do wdrożeń produkcyjnych,
• znajomość dobrych praktyk programistycznych oraz doświadczenie w testowaniu rozwiązań,
• umiejętności analityczne i samodzielność w poszukiwaniu rozwiązań,
• mile widziane: znajomość modułu Machine Learning w Elasticsearch, Apache Kafka oraz doświadczenie w projektach związanych z wykrywaniem fraudów, anomalii lub innych nadużyć finansowych.
• projektowanie, rozwój i wdrażanie modeli Machine Learning do wykrywania fraudów i anomalii,
• analizę oraz przygotowanie danych, w tym feature engineering i ocenę jakości danych,
• tworzenie i optymalizację rozwiązań w Pythonie z wykorzystaniem bibliotek scikit-learn, pandas oraz XGBoost,
• budowanie i utrzymywanie procesów przetwarzania danych z wykorzystaniem SQL oraz Elasticsearch,
• współpracę przy wdrażaniu modeli produkcyjnych zgodnie z praktykami MLOps,
• integrację rozwiązań z ekosystemem danych, w tym Apache Kafka,
• konteneryzację i wdrażanie rozwiązań w środowiskach Docker i Kubernetes,
• dbanie o jakość kodu, testowanie rozwiązań oraz stosowanie dobrych praktyk programistycznych,
• analizę skuteczności modeli oraz ciągłe doskonalenie mechanizmów wykrywania nadużyć,
• współpracę z analitykami, ekspertami domenowymi i zespołem projektowym przy identyfikacji nowych scenariuszy fraudowych,
• tryb realizacji usług: hybrydowo (spotkania 2 razy w miesiącu w biurze w Warszawie),
• budżet projektu: do 145 PLN/h + VAT, w zależności od doświadczenia oraz zakresu świadczonych usług.
Kompetencje wymagane do realizacji usług:
• minimum 4 lata doświadczenia w programowaniu rozwiązań w Pythonie,
• praktyczna znajomość Machine Learning, w szczególności scikit-learn, pandas, XGBoost oraz metod anomaly detection,
• doświadczenie w pracy z danymi, obejmujące ich przygotowanie, analizę oraz feature engineering,
• znajomość SQL,
• doświadczenie w pracy z danymi składowanymi w Elasticsearch,
• znajomość Docker i Kubernetes oraz środowiska Linux,
• wiedza z zakresu MLOps oraz doświadczenie w przygotowywaniu modeli do wdrożeń produkcyjnych,
• znajomość dobrych praktyk programistycznych oraz doświadczenie w testowaniu rozwiązań,
• umiejętności analityczne i samodzielność w poszukiwaniu rozwiązań,
• mile widziane: znajomość modułu Machine Learning w Elasticsearch, Apache Kafka oraz doświadczenie w projektach związanych z wykrywaniem fraudów, anomalii lub innych nadużyć finansowych.
🔍 Dekoder Ogłoszenia
🔴
projektowanie, rozwój i wdrażanie modeli Machine Learning do wykrywania fraudów i anomalii
Oznacza to, że będziesz odpowiedzialny za cały cykl życia modeli, od koncepcji po produkcję, co może być bardzo wymagające.
🔴
współpracę przy wdrażaniu modeli produkcyjnych zgodnie z praktykami MLOps
Może oznaczać, że firma dopiero zaczyna wdrażać MLOps, a Ty będziesz musiał pomóc w budowaniu tych procesów od podstaw.
🔴
budżet projektu: do 145 PLN/h + VAT, w zależności od doświadczenia oraz zakresu świadczonych usług
Górna granica stawki jest podana, ale faktyczne wynagrodzenie może być niższe i zależy od interpretacji 'zakresu świadczonych usług'.
🔴
minimum 4 lata doświadczenia w programowaniu rozwiązań w Pythonie
Choć podane jest minimum, w praktyce mogą oczekiwać kandydata z większym doświadczeniem, aby sprostać wymaganiom.
🟡
tryb realizacji usług: hybrydowo (spotkania 2 razy w miesiącu w biurze w Warszawie)
Oznacza to, że większość pracy będzie zdalna, ale obecność w biurze dwa razy w miesiącu może być uciążliwa w zależności od lokalizacji.