Senior Data Scientist (Reinforcement Learning & Optimization)

Nasze wymagania:
Minimum 5 lat doświadczenia w obszarze data science lub pokrewnym
Wykształcenie wyższe (informatyka, matematyka lub pokrewne).
Bardzo dobra znajomość Pythona oraz bibliotek i frameworków: NumPy, pandas, scikit-learn, PyTorch, TensorFlow.
Doświadczenie w pełnym cyklu rozwoju modeli AI – od inżynierii cech po monitoring modeli w środowiskach produkcyjnych.
Analityczne podejście: Umiejętność przekładania problemów biznesowych/logistycznych na język matematyczny i algorytmiczny.
Dobra znajomość SQL i doświadczenie w pracy z bazami danych
Umiejętność pracy w metodykach zwinnych (Agile/SCRUM).

Mile widziane:
Doświadczenie w budowie agentów reinforcement learning jest dużym atutem.

O projekcie:
Szukamy Senior Data Scientista, który chce pracować nad problemami, dla których nie ma gotowego benchmarku ani jednej poprawnej odpowiedzi. W projekcie łączymy reinforcement learning, optymalizację, modele predykcyjne i Digital Twins, żeby rozwiązywać konkretne problemy organizacji pracy szpitala. Jeżeli chcesz tworzyć AI, które ma bezpośredni wpływ na wykorzystanie sal operacyjnych, pracę zespołów medycznych i dostęp pacjentów do zabiegów – zapraszamy. Dodatkowym atutem projektu jest możliwość współtworzenia publikacji naukowych i prezentowania rezultatów prac B+R.
Jeśli szukasz projektu, w którym zaawansowana AI spotyka się z bardzo konkretnym wpływem na rzeczywistość – porozmawiajmy.

Zakres obowiązków:
Praca z danymi: Przygotowywanie i analiza dużych wolumenów danych historycznych dotyczących pracy jednostek medycznych.
Tworzenie algorytmów heurystycznych: Opracowywanie algorytmów optymalizacyjnych (np. genetycznych) wspomagających procesy decyzyjne.
Projektowanie modeli ML: Budowa modeli predykcyjnych (Gradient Boosting, Sieci Neuronowe) dla kluczowych zmiennych medycznych i logistycznych.
Rozwój agentów RL: Projektowanie i trenowanie agentów uczenia ze wzmocnieniem (m.in. architektury PPO, DQN, A3C) do dynamicznego harmonogramowania zasobów.
Budowa środowisk symulacyjnych: Współudział w tworzeniu wydajnych symulatorów (Digital Twins) odzwierciedlających rzeczywiste procesy bloku operacyjnego.
Eksperymenty i walidacja: Prowadzenie testów porównawczych różnych architektur pod kątem ich trafności i stabilności w czasie rzeczywistym.

Oferujemy:
Realny wpływ na zdrowie i życie pacjentów: Twoja praca będzie wspierać skracanie kolejek do zabiegów, lepsze wykorzystanie sal operacyjnych i sprawniejszą organizację pracy zespołów medycznych.
Projekt wdrażany w realnych szpitalach: współpraca z kluczowymi placówkami w Polsce i możliwość konfrontowania modeli z rzeczywistymi procesami, ograniczeniami i potrzebami użytkowników.
R&D z prawdziwego zdarzenia: reinforcement learning, optymalizacja, modele predykcyjne, Digital Twins i eksperymenty na problemach, które mają realną wartość operacyjną.
Możliwość publikacji naukowych: współtworzenie publikacji i prezentowanie rezultatów prac B+R – świetna przestrzeń dla osób, które chcą łączyć rozwój produktu z dorobkiem naukowym.
Wpływ end-to-end: od hipotezy i eksperymentu, przez budowę modelu, aż po jego walidację i wykorzystanie w środowisku produkcyjnym.
Budowa rozwiązania innowacyjnego co najmniej w skali kraju: pracujesz nad technologią, która ma ambicję wyznaczać nowy standard zarządzania blokiem operacyjnym.
Stabilność i długofalowy rozwój: projekt jest współfinansowany w ramach Ścieżki SMART i otrzymał dofinansowanie na realizację wieloetapowych prac B+R oraz rozwój rozwiązania.
Umowę o pracę i atrakcyjne wynagrodzenie: chcemy, żeby poziom odpowiedzialności i kompetencji był odpowiednio wynagradzany.
Zespół, który lubi trudne problemy: będziesz pracować z osobami łączącymi kompetencje AI, technologiczne, produktowe i medyczne.