St. Specjalista / Specjalistka ds. analiz i modelowania aktywności klientów / Senior data scientist

Jesteśmy zespołem data science w mBanku, który wykorzystuje język Python i SQL do analizy danych i modelowania probabilistycznego w obszarze CRM i sprzedaży bezpośredniej. Tworzymy modele ekonometryczne i probabilistyczne, wykorzystujemy techniki NLP do przetwarzania danych tekstowych i głosowych oraz generatywną sztuczną inteligencję do usprawniania procesów bankowych. Przygotowujemy raporty, analizy i rekomendacje, które służą poprawie skuteczności komunikacji i procesu sprzedaży, a także eksplorujemy duże zbiory danych dla lepszego poznania potrzeb klientów i wsparcia innych departamentów banku.

• Realizacja projektów wykorzystujących techniki data science dostarczające mierzalną wartość biznesową
• Umiejętność krytycznej interpretacji wyników analiz i modeli ML oraz formułowania rekomendacji wspierających decyzje biznesowe i optymalizację procesów
• Minimum 2 lata doświadczenia w stosowaniu technik uczenia maszynowego z bibliotekami Python: numpy, pandas, matplotlib, scikit-learn, xgboost, tensorflow, torch, catboost, lightgbm
• Umiejętność budowy rozwiązań z użyciem uczenia maszynowego, tworzenia API (Restowe i Webowe), analityki, raportów oraz automatyzacji procesów w Python
• Znajomość technik Prompt Engineering oraz projektowania i optymalizacji instrukcji do interakcji z GPT
• Doświadczenie w pisaniu zapytań SQL (Oracle, MS SQL, Hadoop)
• Dobra znajomość MS Excel

Nice to have:

• Doświadczenie z platformą Kubeflow do uczenia maszynowego i MLOps na Kubernetes
• Umiejętność przetwarzania danych w trybie rozproszonym przy użyciu Spark
• Umiejętności storytellingowe w zakresie wizualizacji danych i prezentacji oraz łatwego tłumaczenia danych i algorytmów na przystępny język
• Znajomość języka angielskiego na poziomie B2

• Wykorzystanie technik data science do rozwoju obszaru CRM banku, budowy strategii komunikacji, optymalizacji sprzedaży i zarządzania relacjami z klientami
• Tworzenie i rozwijanie modeli ekonometrycznych prawdopodobieństwa zakupu produktów oraz innych zdarzeń dotyczących klientów detalicznych
• Wykorzystanie technik NLP do przetwarzania danych tekstowych lub głosowych na rekomendacje działań i informacje zarządcze
• Wykorzystanie generatywnej sztucznej inteligencji do usprawniania bankowych procesów
• Poszukiwanie i wdrażanie na rynku nowych rozwiązań, narzędzi oraz technik w obszarze data science