Data Scientist

W Scalo zajmujemy się dostarczaniem projektów software'owych i wspieraniem naszych partnerów w rozwijaniu ich biznesu. Tworzymy oprogramowanie, które umożliwia ludziom dokonywanie zmian, działanie w szybszym tempie oraz osiąganie lepszych rezultatów. Jesteśmy firmą, która wykorzystuje szerokie spektrum usług IT, żeby pomagać klientom. Obszary naszego działania to m.in.: doradztwo technologiczne, tworzenie oprogramowania, systemy wbudowane, rozwiązania chmurowe, zarządzanie danymi, dedykowane zespoły developerskie.

• minimum 4 lata doświadczenia w programowaniu rozwiązań w Pythonie
• praktyczna znajomość Machine Learning, w szczególności scikit-learn, pandas, XGBoost oraz metod anomaly detection
• doświadczenie w pracy z danymi, obejmujące ich przygotowanie, analizę oraz feature engineering
• znajomość SQL
• doświadczenie w pracy z danymi składowanymi w Elasticsearch
• znajomość Docker i Kubernetes oraz środowiska Linux
• wiedza z zakresu MLOps oraz doświadczenie w przygotowywaniu modeli do wdrożeń produkcyjnych
• znajomość dobrych praktyk programistycznych oraz doświadczenie w testowaniu rozwiązań
• umiejętności analityczne i samodzielność w poszukiwaniu rozwiązań

Nice to have:

• znajomość modułu Machine Learning w Elasticsearch
• znajomość Apache Kafka
• doświadczenie w projektach związanych z wykrywaniem fraudów, anomalii lub innych nadużyć finansowych

• projektowanie, rozwój i wdrażanie modeli Machine Learning do wykrywania fraudów i anomalii
• analiza oraz przygotowanie danych, w tym feature engineering i ocenę jakości danych
• tworzenie i optymalizacja rozwiązań w Python z wykorzystaniem bibliotek scikit-learn, pandas oraz XGBoost
• budowanie i utrzymywanie procesów przetwarzania danych z wykorzystaniem SQL oraz Elasticsearch
• współpraca przy wdrażaniu modeli produkcyjnych zgodnie z praktykami MLOps
• integracja rozwiązań z ekosystemem danych, w tym Apache Kafka
• konteneryzacja i wdrażanie rozwiązań w środowiskach Docker i Kubernetes
• dbanie o jakość kodu, testowanie rozwiązań oraz stosowanie dobrych praktyk programistycznych
• analiza skuteczności modeli oraz ciągłe doskonalenie mechanizmów wykrywania nadużyć
• współpraca z analitykami, ekspertami domenowymi i zespołem projektowym przy identyfikacji nowych scenariuszy fraudowych