Zakres współpracy

projektowanie, rozwój i utrzymanie modeli Machine Learning wspierających wykrywanie nadużyć i ocenę ryzyka,

realizacja pełnego cyklu rozwoju modeli – od przygotowania danych i projektowania cech po walidację, wdrożenie i ocenę skuteczności,

analiza problemów biznesowych oraz dobór odpowiednich metod analitycznych i algorytmów,

budowanie modeli klasyfikacyjnych na danych tabelarycznych, w tym z wykorzystaniem regresji logistycznej i gradient boosting,

projektowanie i rozwój cech predykcyjnych (feature engineering),

dobór metod walidacji, metryk jakości i sposobów oceny modeli w kontekście ich wykorzystania produkcyjnego,

planowanie eksperymentów oraz analiza i interpretacja ich wyników,

wykorzystanie metod wyjaśnialności modeli, takich jak SHAP,

analiza jakości danych i wpływu sposobu ich pozyskiwania na skuteczność modeli,

weryfikacja nowych metod Machine Learning oraz źródeł danych, w tym danych tekstowych i grafowych,

ocena zasadności wykorzystania modeli LLM w konkretnych 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, pozostałe 4 dni zdalnie,

budżet projektu: do 165 PLN/h + VAT, w zależności od doświadczenia oraz zakresu świadczonych usług.

Kompetencje wymagane

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 z wykorzystaniem regresji logistycznej 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 ich wyników,

znajomość metod wyjaścialności modeli, np. SHAP,

umiejętność oceny skuteczności modeli w warunkach produkcyjnych oraz interpretowania i uzasadniania ich wskazań,

krytyczne podejście do jakości danych oraz rozumienie wpływu sposobu ich powstawania na modele,

praktyczna umiejętność programowania umożliwiająca samodzielne prowadzenie eksperymentów analitycznych,

umiejętność przekładania problemów biznesowych na zadania analityczne oraz pozyskiwania wiedzy domenowej od ekspertów,

znajomość aktualnych metod Machine Learning i umiejętność oceny ich przydatności,

rozumienie możliwości i ograniczeń modeli LLM oraz umiejętność doboru rozwiązań adekwatnych do problemu,

umiejętność prezentowania wyników analiz osobom nietechnicznym i dokumentowania rozwiązań.

Mile widziane

doświadczenie w projektach dotyczących wykrywania nadużyć, AML lub ryzyka kredytowego,

znajomość branży ubezpieczeniowej,

doświadczenie w analizie sieci powiązań i danych grafowych,

znajomość NLP, szczególnie w analizie tekstów w języku polskim,

doświadczenie w monitorowaniu modeli po wdrożeniu,

znajomość Java oraz doświadczenie we współpracy z developerami we wspólnym repozytorium, w tym testy i code review.

Co oferujemy

możliwość świadczenia usług w różnorodnych projektach z obszaru Software, Embedded, Data i Cloud Services,

zaangażowanie w dodatkowe inicjatywy presealsowe oraz eksperckie,

dostęp do opieki medycznej, karty sportowej oraz platformy kafeteryjnej zgodnie z obowiązującymi zasadami współpracy.