Senior Data Scientist (NLP & GenAI)
⚲ New York
Do uzgodnienia
Wymagania
- 2-4+ lata w data science/ML z rozwojem modeli produkcyjnych
- 1-2+ lata skoncentrowane głównie na zadaniach NLP (analiza sentymentu, klasyfikacja, topic modeling)
- 1+ rok pracy z LLM (prompt engineering, fine-tuning lub RAG)
- min. 1 model wdrożony do produkcji lub udokumentowanie wykorzystany do decyzji biznesowych
- Python: 2-3+ lata w środowiskach produkcyjnych ML
- SQL na poziomie średnim (JOINy, agregacje, funkcje okna dla zbiorów >1M wierszy)
- wykształcenie wyższe w informatyce, statystyce, matematyce lub pokrewnej dziedzinie ilościowej
Mile widziane
- doświadczenie z Azure i/lub Databricks oraz PySpark
Opis stanowiska
Kratos Growth szuka Senior Data Scientist do budowy modeli NLP i rozwiązań GenAI wyciągających znaczenie z masowych danych konsumenckich. Będziesz rozwijać analizę sentymentu, detekcję emocji i aplikacje oparte na LLM, które bezpośrednio informują decyzje marketingowe i produktowe globalnych marek. Praca zdalna, raportowanie bezpośrednio do CTO. Rola dla data scientista z doświadczeniem produkcyjnym w NLP i LLM, który chce pracować na dużą skalę (1M+ dokumentów dziennie) i mieć realny wpływ na decyzje biznesowe.
🔍 Dekoder Ogłoszenia
🟡
transformuje miliardy punktów danych w strategiczne spostrzeżenia dla globalnych marek
Twoja praca będzie opierać się na ogromnej ilości danych, co może oznaczać złożoność i wyzwania związane z ich przetwarzaniem.
🟡
budować modele NLP i rozwiązania GenAI, które wydobywają znaczenie z masywnych zbiorów danych konsumenckich
Oczekuje się, że będziesz pracować z bardzo dużymi i potencjalnie nieuporządkowanymi danymi, co wymaga zaawansowanych umiejętności przetwarzania języka naturalnego.
🟡
bezpośrednio informować o decyzjach marketingowych i produktowych wartych miliony dolarów
Twoje modele będą miały znaczący wpływ na strategiczne decyzje biznesowe, co może wiązać się z dużą presją i odpowiedzialnością.
🟡
przetwarzanie ponad 1 miliona dokumentów dziennie
Praca z tak dużą ilością danych może oznaczać potrzebę optymalizacji i skalowalności rozwiązań, a także potencjalne problemy z wydajnością.
🟡
Iteracja na modelach w oparciu o opinie klientów i dane dotyczące wydajności produkcyjnej
Oczekuje się ciągłego dostosowywania i ulepszania modeli, co może oznaczać nieustanne zmiany i potrzebę szybkiego reagowania na feedback.