Senior Data Scientist (ML and Fraud Detection)

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. Wykorzystujemy szerokie spektrum usług IT, aby wspierać naszych klientów w realizacji ich celów biznesowych.

Obszary naszej działalności obejmują m.in.:

• doradztwo technologiczne,
• tworzenie oprogramowania,
• systemy wbudowane,
• rozwiązania chmurowe,
• zarządzanie danymi,
• dedykowane zespoły projektowe.

• doświadczenie na stanowisku Data Scientist przy projektach Machine Learning
• bardzo dobra znajomość Exploratory Data Analysis (EDA) i umiejętność wyciągania wniosków z dużych, złożonych i nieuporządkowanych zbiorów danych
• praktyczne doświadczenie w feature engineering, szczególnie w obszarach wymagających identyfikacji sygnałów predykcyjnych
• doświadczenie w pracy z mocno niezbalansowanymi zbiorami danych oraz brakującymi lub zdegradowanymi danymi
• doświadczenie w obszarze fraud detection
• bardzo dobra znajomość algorytmów opartych na drzewach, szczególnie XGBoost
• bardzo dobra znajomość Python oraz bibliotek Data Science
• samodzielność w definiowaniu, prowadzeniu i analizowaniu eksperymentów
• umiejętność pracy z wymaganiami i przekładania ich na konkretne działania analityczne
• umiejętność prezentowania wyników z wykorzystaniem wizualizacji danych i raportowania
• bardzo dobre umiejętności dokumentowania pracy i dzielenia się wiedzą
• doświadczenie w pracy z rozwiązaniami Machine Learning w środowisku AWS
• język angielski na poziomie C1 (codzienna komunikacja)

Nice to have:

• praktyczna znajomość Amazon SageMaker
• doświadczenie w branży lotniczej, travel, płatnościach, usługach finansowych lub fraud prevention
• znajomość praktyk MLOps i środowisk produkcyjnych Machine Learning
• doświadczenie w prezentowaniu wyników zespołom technicznym i nietechnicznym
• doświadczenie w mentoringu i promowaniu dobrych praktyk Data Science

• rozwój i doskonalenie modeli wykrywania fraudów dla branży lotniczej
• prowadzenie analiz na dużych, złożonych i nieidealnych zbiorach danych w celu identyfikowania wzorców, anomalii oraz nowych możliwości poprawy skuteczności modeli
• projektowanie, przeprowadzanie i ocenę eksperymentów służących walidacji hipotez oraz poprawie jakości modeli
• projektowanie zaawansowanych metod feature engineering w celu zwiększenia wartości predykcyjnej danych
• budowanie, ocenę i optymalizację modeli Machine Learning, w szczególności algorytmów bazujących na drzewach decyzyjnych, takich jak XGBoost
• praca z mocno niezbalansowanymi zbiorami danych, brakującymi danymi oraz zdegradowanymi cechami
• dokumentowanie przeprowadzonych analiz, eksperymentów, metodologii i rekomendacji, ze szczególnym uwzględnieniem pracy w notebookach i odtwarzalności wyników