Senior Data Scientist

• Minimum 5 lat doświadczenia w roli Data Scientista oraz udział we wdrożeniu co najmniej jednego modelu do środowiska produkcyjnego.
• Bardzo dobra znajomość SQL.
• Praktyczne doświadczenie w budowaniu modeli klasyfikacyjnych na danych tabelarycznych, m.in. regresji logistycznej i gradient boostingu.
• Umiejętność tworzenia i selekcji cech (Feature Engineering).
• Znajomość metod walidacji, doboru metryk oraz projektowania i oceny eksperymentów.
• Umiejętność oceny skuteczności modeli w środowisku produkcyjnym i interpretowania ich predykcji, np. z wykorzystaniem SHAP.
• Swoboda programowania pozwalająca na samodzielne prowadzenie eksperymentów; nie jest wymagany konkretny język.
• Krytyczne podejście do jakości danych i rozumienie wpływu sposobu ich pozyskiwania na działanie modeli.
• Umiejętność pozyskiwania wiedzy domenowej i przekładania problemów biznesowych na rozwiązania analityczne.
• Umiejętność prezentowania wyników i wyjaśniania działania modeli osobom nietechnicznym.
• Znajomość aktualnych podejść w Machine Learning i umiejętność świadomego doboru metod, w tym oceny biznesowego uzasadnienia wykorzystania LLM.

Mile widziane:

• Doświadczenie w projektach związanych z Fraud Detection, AML lub oceną ryzyka kredytowego.
• Znajomość sektora ubezpieczeniowego.
• Doświadczenie w analizie sieci powiązań i danych grafowych.
• Znajomość NLP, szczególnie w przetwarzaniu tekstów w języku polskim.
• Praktyka w monitorowaniu modeli po wdrożeniu produkcyjnym.
• Znajomość Javy oraz doświadczenie we współpracy z zespołami developerskimi w ramach wspólnego repozytorium, w tym przy testach i code review.

• Projektowanie, rozwijanie i utrzymywanie modeli ML służących do wykrywania i oceny ryzyka nadużyć.
• Prowadzenie kompleksowych prac nad modelami: od analizy danych i feature engineeringu, przez walidację i ocenę skuteczności, aż po wdrożenie produkcyjne.
• Przekładanie potrzeb biznesowych na rozwiązania analityczne oraz dobór metod do danych tabelarycznych, tekstowych i grafowych.
• Eksperymentowanie z nowymi metodami ML i ocenianie przydatności dodatkowych źródeł danych.
• Interpretowanie wyników modeli, wyjaśnianie ich działania i przygotowywanie dokumentacji.
• Ścisła współpraca z ekspertami biznesowymi, analitykami i programistami, również na poziomie kodu.

• Praca z terytorium Polski.
• Proces rekrutacyjny obejmuje 20-minutową rozmowę HR i godzinne spotkanie z klientem.