Senior Data Scientist
⚲ Cracow, Gdynia, Warsaw, Poznan, Gdańsk
31 920 - 38 640 PLN (B2B)
Wymagania
- Python
- Machine learning
- polars
- NumPy
- Pandas
- SciPy
Opis stanowiska
O projekcie:
- Stawka: 190-230 zł/h netto + VAT na B2B- Czas trwania: początkowo 3–4 miesiące, z potencjałem na kolejne podobne projekty międzynarodowe.- Model pracy: zdalnie.- Podróże służbowe: możliwość dwóch wyjazdów do Wielkiej Brytanii w trakcie początkowego etapu projektu.- Proces rekrutacyjny: screening + dwa spotkania z klientem.Opis projektu
Projekt realizowany dla klienta z sektora przemysłowego w Wielkiej Brytanii koncentruje się na wykorzystaniu Data Science i Machine Learning do analizy oraz optymalizacji procesów produkcyjnych.
Poszukujemy Senior Data Scientist / AI/ML Engineer, który dołączy do istniejącego zespołu i będzie odpowiadać za analitykę oraz modelowanie predykcyjne na podstawie przemysłowych danych produkcyjnych, procesowych, sensorycznych i szeregów czasowych.
Celem projektu jest poprawa wydajności produkcji oraz ograniczenie odpadów produkcyjnych poprzez praktyczne zastosowanie modeli predykcyjnych i rozwiązań Machine Learning.
Wymagania:
- Doświadczenie w przemyśle procesowym: udokumentowane doświadczenie w stosowaniu Machine Learning w przemyśle ciężkim lub ciągłym, np. w branży papierniczej, stalowej i metalurgicznej, chemicznej, rafineryjnej, szklarskiej lub farmaceutycznej.- Przemysłowe dane sensoryczne i szeregi czasowe: praktyczne doświadczenie w pracy z wysokoczęstotliwościowymi, zaszumionymi danymi z systemów historian/SCADA/telemetrycznych, uwzględniające m.in. dryf sensorów, brakujące dane i ciągłe tworzenie cech dla szeregów czasowych.- Doświadczenie w modelowaniu predykcyjnym: praktyczna znajomość tworzenia i wdrażania modeli w co najmniej dwóch z poniższych obszarów:- Ograniczanie odpadów produkcyjnych i przewidywanie jakości produktów (soft sensors, virtual metrology).- Optymalizacja parametrów procesowych i maksymalizacja uzysku produkcyjnego.- Monitorowanie stanu urządzeń, wykrywanie anomalii lub utrzymanie predykcyjne (PdM).- Python i biblioteki ML: bardzo dobra znajomość bibliotek wykorzystywanych w Data Science, w tym pandas, polars, NumPy i SciPy, a także klasycznych metod Machine Learning i gradient boosting, takich jak LightGBM, XGBoost, CatBoost i scikit-learn, oraz bibliotek do analizy szeregów czasowych.- Samodzielność i współpraca z klientem: umiejętność przekładania niejednoznacznych problemów operacyjnych na konkretne zadania analityczne, bezpośredniej współpracy z inżynierami zakładowymi i zespołami operacyjnymi oraz jasnego prezentowania wyników.- Język angielski: poziom minimum B2.Kluczowe technologie i umiejętności
MLOps, Machine Learning, NumPy, Pandas, Predictive Modelling, Python, Time Series, XGBoost, scikit-learn.
Codzienne zadania:
- Analiza danych produkcyjnych, procesowych, sensorycznych i szeregów czasowych.
- Tworzenie i wdrażanie modeli Machine Learning oraz modeli predykcyjnych.
- Przewidywanie jakości produktów i ograniczanie odpadów produkcyjnych.
- Optymalizacja procesów produkcyjnych i parametrów procesowych.
- Wykrywanie anomalii oraz modelowanie predykcyjne wspierające utrzymanie predykcyjne.
- Współpraca z zespołami operacyjnymi oraz prezentowanie wyników i rekomendacji klientowi.
- Stawka: 190-230 zł/h netto + VAT na B2B- Czas trwania: początkowo 3–4 miesiące, z potencjałem na kolejne podobne projekty międzynarodowe.- Model pracy: zdalnie.- Podróże służbowe: możliwość dwóch wyjazdów do Wielkiej Brytanii w trakcie początkowego etapu projektu.- Proces rekrutacyjny: screening + dwa spotkania z klientem.Opis projektu
Projekt realizowany dla klienta z sektora przemysłowego w Wielkiej Brytanii koncentruje się na wykorzystaniu Data Science i Machine Learning do analizy oraz optymalizacji procesów produkcyjnych.
Poszukujemy Senior Data Scientist / AI/ML Engineer, który dołączy do istniejącego zespołu i będzie odpowiadać za analitykę oraz modelowanie predykcyjne na podstawie przemysłowych danych produkcyjnych, procesowych, sensorycznych i szeregów czasowych.
Celem projektu jest poprawa wydajności produkcji oraz ograniczenie odpadów produkcyjnych poprzez praktyczne zastosowanie modeli predykcyjnych i rozwiązań Machine Learning.
Wymagania:
- Doświadczenie w przemyśle procesowym: udokumentowane doświadczenie w stosowaniu Machine Learning w przemyśle ciężkim lub ciągłym, np. w branży papierniczej, stalowej i metalurgicznej, chemicznej, rafineryjnej, szklarskiej lub farmaceutycznej.- Przemysłowe dane sensoryczne i szeregi czasowe: praktyczne doświadczenie w pracy z wysokoczęstotliwościowymi, zaszumionymi danymi z systemów historian/SCADA/telemetrycznych, uwzględniające m.in. dryf sensorów, brakujące dane i ciągłe tworzenie cech dla szeregów czasowych.- Doświadczenie w modelowaniu predykcyjnym: praktyczna znajomość tworzenia i wdrażania modeli w co najmniej dwóch z poniższych obszarów:- Ograniczanie odpadów produkcyjnych i przewidywanie jakości produktów (soft sensors, virtual metrology).- Optymalizacja parametrów procesowych i maksymalizacja uzysku produkcyjnego.- Monitorowanie stanu urządzeń, wykrywanie anomalii lub utrzymanie predykcyjne (PdM).- Python i biblioteki ML: bardzo dobra znajomość bibliotek wykorzystywanych w Data Science, w tym pandas, polars, NumPy i SciPy, a także klasycznych metod Machine Learning i gradient boosting, takich jak LightGBM, XGBoost, CatBoost i scikit-learn, oraz bibliotek do analizy szeregów czasowych.- Samodzielność i współpraca z klientem: umiejętność przekładania niejednoznacznych problemów operacyjnych na konkretne zadania analityczne, bezpośredniej współpracy z inżynierami zakładowymi i zespołami operacyjnymi oraz jasnego prezentowania wyników.- Język angielski: poziom minimum B2.Kluczowe technologie i umiejętności
MLOps, Machine Learning, NumPy, Pandas, Predictive Modelling, Python, Time Series, XGBoost, scikit-learn.
Codzienne zadania:
- Analiza danych produkcyjnych, procesowych, sensorycznych i szeregów czasowych.
- Tworzenie i wdrażanie modeli Machine Learning oraz modeli predykcyjnych.
- Przewidywanie jakości produktów i ograniczanie odpadów produkcyjnych.
- Optymalizacja procesów produkcyjnych i parametrów procesowych.
- Wykrywanie anomalii oraz modelowanie predykcyjne wspierające utrzymanie predykcyjne.
- Współpraca z zespołami operacyjnymi oraz prezentowanie wyników i rekomendacji klientowi.
🔍 Dekoder Ogłoszenia
✓ Ogłoszenie wygląda transparentnie — brak typowych czerwonych flag.