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. 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.

• Min. 4-5 lat doświadczenia komercyjnego w roli Data Scientist
• Doświadczenie w opracowaniu i wdrożeniu co najmniej jednego modelu Machine Learning wykorzystywanego w rzeczywistych procesach biznesowych
• Bardzo dobra znajomość SQL
• Praktyczne doświadczenie w budowaniu modeli klasyfikacyjnych na danych tabelarycznych, w tym regresja logistyczna i gradient boosting
• Doświadczenie w projektowaniu i rozwijaniu cech predykcyjnych (feature engineering)
• Umiejętność doboru metod walidacji i metryk oceny modeli do charakterystyki problemu
• Doświadczenie w planowaniu eksperymentów i ocenie wyników
• Znajomość metod wyjaśnialności modeli, np. SHAP
• Umiejętność oceny skuteczności modeli produkcyjnych oraz interpretowania ich wskazań
• Krytyczne podejście do jakości danych i rozumienie wpływu ich powstawania na modele
• Praktyczna umiejętność programowania do prowadzenia eksperymentów analitycznych
• Umiejętność przekładania problemów biznesowych na zadania analityczne oraz pozyskiwania wiedzy domenowej
• Znajomość aktualnych metod Machine Learning i umiejętność oceny ich przydatności
• Rozumienie możliwości i ograniczeń modeli LLM oraz umiejętność doboru adekwatnych rozwiązań
• Umiejętność prezentowania wyników analiz osobom nietechnicznym i dokumentowania rozwiązań

• Projektowanie, rozwój i utrzymanie modeli Machine Learning wspierających wykrywanie nadużyć i ocenę ryzyka
• Realizacja pełnego cyklu rozwoju modeli: przygotowanie danych, projektowanie cech, walidacja, wdrożenie, ocena skuteczności
• Analiza problemów biznesowych oraz dobór metod analitycznych i algorytmów
• Budowanie modeli klasyfikacyjnych na danych tabelarycznych, w tym regresja logistyczna i gradient boosting
• Projektowanie i rozwój cech predykcyjnych (feature engineering)
• Dobór metod walidacji, metryk jakości i oceny modeli produkcyjnych
• Planowanie eksperymentów oraz analiza i interpretacja wyników
• Wykorzystanie metod wyjaśnialności modeli, takich jak SHAP
• Analiza jakości danych i wpływu pozyskania danych na modele
• Weryfikacja nowych metod Machine Learning i źródeł danych, w tym danych tekstowych i grafowych
• Ocena zasadności wykorzystania modeli LLM w przypadkach biznesowych
• Dokumentowanie wyników analiz, eksperymentów i modeli
• Współpraca z ekspertami biznesowymi, analitykami oraz zespołami developerskimi przy wdrażaniu rozwiązań
• Model realizacji usług: hybrydowy – 1 dzień w tygodniu w biurze klienta w Warszawie, 4 dni zdalnie

Nice to have:

• Doświadczenie w projektach dotyczących wykrywania nadużyć, AML lub ryzyka kredytowego
• Znajomość branży ubezpieczeniowej
• Doświadczenie w analizie sieci powiązań i danych grafowych
• Znajomość NLP, szczególnie analizy tekstów w języku polskim
• Doświadczenie w monitorowaniu modeli po wdrożeniu
• Znajomość Java oraz doświadczenie we współpracy z developerami, testy i code review