Kategoria

Data Science – oferty pracy

515 ofert pracy IT w kategorii Data Science. 44% zdalnie, najczęściej w Warszawie, w Krakowie i we Wrocławiu. Najczęstsze stanowiska: Data Scientist i Data Engineer.

+53%nowych ofert vs październik 2025

Zobacz 515 ofertStan na 7 listopada 2026 · aktualizowane co godzinę
Aktywne oferty
515
+38 w ostatnim tygodniu
Firmy rekrutujące
240
z co najmniej jedną ofertą
Praca zdalna
44%
ofert dopuszcza pracę zdalną
Najwięcej ofert
Warszawa
312 ofert

Data Science – zarobki

Mediana widełek miesięcznie, tylko z ofert z podanym wynagrodzeniem.

Mediana widełek wynagrodzeń miesięcznie według poziomu i rodzaju umowy, z liczbą ofert
PoziomB2B (netto)Umowa o pracę (brutto)
JuniorB2B (netto)8 800–12 000 złz 11 ofertUmowa o pracę (brutto)za mało ofert z wynagrodzeniem
MidB2B (netto)20 000–23 500 złz 252 ofertUmowa o pracę (brutto)13 900–19 800 złz 120 ofert
SeniorB2B (netto)23 500–28 600 złz 357 ofertUmowa o pracę (brutto)19 000–25 000 złz 105 ofert

Liczymy medianę dolnych i górnych granic widełek z 793 ofert: aktualnych i z ostatnich 6 miesięcy. Jak to wyliczyliśmy?

Doświadczenie i model pracy

Doświadczenie

  • Senior27453%
  • Mid18937%
  • Junior234%
  • Staż41%

Model pracy

  • Hybrydowo28054%
  • Zdalnie22644%
  • Stacjonarnie8116%

Oferta może dopuszczać kilka modeli pracy, więc udziały sumują się do ponad 100%.

Technologie w ofertach Data Science

Odsetek ofert z tej strony, które wymieniają daną technologię w wymaganiach. Link prowadzi do wszystkich jej ofert.

Firmy z największą liczbą ofert: Data Science

Liczba aktywnych ofert danej firmy na tej stronie.

Wszystkie firmy IT

Wyróżnione i najnowsze oferty: Data Science

Wszystkie oferty

Co to jest data science?

Nauka o danych (data science) to wyciąganie odpowiedzi z danych za pomocą statystyki i modeli: czy nowa wersja strony sprzedaje lepiej, którzy klienci mogą odejść, jaki będzie popyt albo ryzyko kredytowe. Wyniki trafiają do ludzi z biznesu, którzy na ich podstawie podejmują decyzje, więc ich wytłumaczenie jest częścią pracy.

Podstawowym narzędziem jest Python z bibliotekami pandas i scikit-learn, do tego SQL i notatniki Jupyter, w części firm także R. Część pracy to eksperymenty i testy A/B, część to modele, które trafiają do produkcji i muszą działać na świeżych danych. Granica z Machine Learning jest płynna: data science zaczyna od pytania biznesowego i analizy, a inżynieria ML od budowy i wdrożenia samego modelu. Stanowisko, na którym robi się to na co dzień, to Data Scientist, a oferty zwykle zakładają dobrą znajomość statystyki, nie tylko bibliotek.