Podsumowanie oferty
Będziesz rozwijać system wykrywania nadużyć i odpowiadać za pełny cykl życia modeli — od analizy danych i walidacji po wdrożenie produkcyjne. Praca obejmuje Machine Learning, analizę danych oraz ocenę, kiedy uzasadnione jest wykorzystanie LLM.
Wymagania
- Około 3+ lat doświadczenia jako Data Scientist.
- Doświadczenie z co najmniej jednym modelem wdrożonym do środowiska produkcyjnego.
- Bardzo dobra znajomość SQL.
- Praktyczne doświadczenie z modelami klasyfikacyjnymi na danych tabelarycznych, np. regresją logistyczną i gradient boostingiem.
- Bardzo dobra znajomość feature engineeringu.
- Umiejętność doboru metryk i metod walidacji.
- Doświadczenie w projektowaniu i ocenie eksperymentów.
- Znajomość metod wyjaśnialności modeli, np. SHAP.
- Umiejętność samodzielnego prowadzenia eksperymentów i rozwijania modeli poprzez programowanie.
- Umiejętność krytycznej analizy danych i oceny ich wpływu na jakość modelu.
- Znajomość współczesnych podejść do Machine Learning i AI, w tym świadomego wykorzystania LLM.
- Umiejętność jasnego prezentowania wyników osobom nietechnicznym.
Mile widziane:
- Doświadczenie w obszarze wykrywania nadużyć, AML lub ryzyka kredytowego.
- Znajomość sektora finansowego lub ubezpieczeniowego.
- Doświadczenie z danymi grafowymi lub analizą grafów, np. Neo4j.
- NLP, szczególnie dla języka polskiego.
- Doświadczenie w monitorowaniu modeli po wdrożeniu.
- Znajomość Java.
- Doświadczenie we współpracy z developerami w jednym repozytorium, w tym w code review i testach.
Obowiązki
- Budowa, rozwój i utrzymanie modeli wykrywających i oceniających ryzyko nadużyć.
- Prowadzenie pełnego procesu pracy z modelem: data preparation, feature engineering, modelowanie, walidacja, wyjaśnialność i wdrożenie.
- Praca z różnymi typami danych: tabelarycznymi, tekstowymi i grafowymi.
- Dobór metod Machine Learning, metryk i sposobów walidacji.
- Projektowanie i ocena eksperymentów.
- Analiza nowych metod i źródeł danych.
- Wyjaśnianie działania modeli z wykorzystaniem m.in. SHAP.
- Dokumentowanie wyników i prezentowanie ich osobom technicznym oraz biznesowym.
- Współpraca z developerami, analitykami i ekspertami biznesowymi.
- Ocena, kiedy wykorzystanie LLM ma uzasadnienie biznesowe i techniczne, a kiedy lepszym rozwiązaniem będzie klasyczne Machine Learning.
Benefity
- Długofalowa współpraca.
- Praca przy rozwiązaniach wykorzystujących Machine Learning, AI i zaawansowaną analitykę.
- Możliwość pracy nad pełnym cyklem życia modeli, również na etapie wdrożenia produkcyjnego.
- Współpraca z doświadczonym zespołem technicznym i biznesowym.
- Prywatna opieka medyczna LuxMed.
- Karta MultiSport.
Opieka zdrowotna
Karta sportowa
Antal
905 aktywnych ofert