Analityk Danych AI

Make IT Right poszukuje AI Data Readiness Specialist do realizacji strategicznego projektu dla jednego z największych banków w Polsce. Projekt dotyczy przygotowania danych do wdrażania rozwiązań opartych o sztuczną inteligencję w sektorze finansowym.

• Minimum 5 lat doświadczenia w projektach związanych z danymi strukturalnymi (hurtownie danych, datamarty, raportowanie, integracja danych).
• Minimum 2 lata doświadczenia w pracy z danymi niestrukturalnymi.
• Praktyczna znajomość architektury RAG oraz ekosystemu LLM.
• Bardzo dobra znajomość Python oraz SQL na poziomie Data Engineering.
• Doświadczenie w pracy z narzędziami do zarządzania jakością danych oraz metadanymi.
• Znajomość zagadnień Data Governance i Data Quality.
• Umiejętność analitycznego myślenia oraz efektywnej współpracy z biznesem i zespołami technologicznymi.

Nice to have:

• Doświadczenie w projektach związanych z wdrażaniem rozwiązań AI i Machine Learning.
• Znajomość baz wektorowych oraz technologii wspierających Generative AI.
• Doświadczenie w sektorze finansowym.
• Wiedza z zakresu monitorowania jakości modeli AI oraz zarządzania cyklem życia danych.

• Analiza dostępności, jakości oraz kompletności danych na potrzeby projektów AI.
• Ocena gotowości danych przed rozpoczęciem inicjatyw związanych ze sztuczną inteligencją (AI Data Readiness).
• Definiowanie kryteriów akceptacji zbiorów danych dla zastosowań AI, takich jak klasyfikacja, RAG czy modele predykcyjne.
• Identyfikacja luk w danych oraz rekomendowanie sposobów ich uzupełnienia.
• Projektowanie i rozwój standardów Data Governance dla danych strukturalnych i niestrukturalnych, w tym tworzenie Data Readiness Cards.
• Definiowanie oraz egzekwowanie reguł jakości danych dedykowanych rozwiązaniom AI.
• Walidacja wyników modeli AI pod kątem jakości danych oraz identyfikacja anomalii biznesowych.
• Zarządzanie katalogiem danych oraz prowadzenie rejestru problemów wpływających na działanie modeli AI.
• Współpraca przy zarządzaniu bazami wektorowymi oraz strategiami embeddingów.
• Budowanie i utrzymywanie zbiorów ewaluacyjnych (ground truth).
• Monitorowanie cyklu życia danych, w tym zmian rozkładu danych (data drift).
• Ścisła współpraca z Product Ownerami, analitykami, właścicielami biznesowymi oraz zespołami Data, AI i IT.