Data Scientist / ML Ops Engineer

auticon to niemiecko-norweskie przedsiębiorstwo społeczne, które realizuje ważną misję: wspieranie osób ze spektrum autyzmu poprzez wykorzystywanie ich niezwykłych talentów na stanowiskach technicznych i informatycznych. Dzięki ponad 15-letniemu doświadczeniu z powodzeniem współpracujemy z firmami, osiągając wyjątkowe wyniki dzięki wyjątkowym zdolnościom poznawczym, dbałości o szczegóły, logicznej analizie oraz precyzji, które osoby o odmiennej neurobiologii wnoszą do miejsca pracy.

W auticon tworzymy integracyjne środowisko pracy, które docenia różnorodność i zapewnia naszym pracownikom możliwość rozwoju. Nasi konsultanci pracują w atmosferze wsparcia i przyjaznej dla osób z autyzmem, gdzie priorytetowo traktujemy ich mocne strony, zrozumienie i potrzeby. Nasze podejście opiera się na szacunku, a większość naszych konsultantów to osoby z autyzmem. Jeśli identyfikujesz się jako osoba z neurodivergencją, pasjonujesz się technologią, programowaniem i rozwiązywaniem złożonych problemów, chcielibyśmy Cię poznać.

• Praktyczne doświadczenie w budowie i wdrażaniu modeli ML end-to-end
• Kompetencje Data Science w zakresie Python, SQL, TensorFlow/PyTorch, analiza i wizualizacja danych
• Znajomość MLflow (lub podobnych narzędzi do wersjonowania modeli)
• Umiejętność pracy z Git i CI/CD (np. GitLab CI, GitHub Actions)
• Doświadczenie z Airflow lub innymi narzędziami do orkiestracji pipeline’ów
• Znajomość środowiska AWS (np. S3, SageMaker, Lambda, EC2)
• Umiejętność korzystania z narzędzi do wizualizacji danych (np. Matplotlib, Seaborn, Plotly)
• Doświadczenie z Docker (opcjonalnie Kubernetes)
• Zaawansowana znajomość języka angielskiego (min. B2)

• Tworzenie i wdrażanie modeli machine learning w Pythonie (Pandas, Scikit-learn, TensorFlow)
• Budowa pipeline’ów danych oraz automatyzacja procesów
• Wdrażanie monitoringu modeli, wersjonowania i procesów CI/CD dla ML
• Praca z rozwiązaniami chmurowymi (np. AWS)
• Analiza i wizualizacja danych pod kątem wniosków biznesowych
• Współpraca z zespołami inżynieryjnymi przy wdrażaniu modeli do środowiska produkcyjnego