Senior Data Scientist
Summary
Senior Data Scientist designs, trains, and deploys neural network and deep learning models on Google Cloud Platform, mentors junior team members, and owns the full ML lifecycle from problem analysis to production monitoring.
Dołącz do naszego zespołu technologicznego jako Senior Data Scientist! Poszukujemy eksperta z bogatym doświadczeniem w projektowaniu, trenowaniu i wdrażaniu zaawansowanych modeli opartych na sieciach neuronowych w środowisku produkcyjnym. W tej roli przejmiesz odpowiedzialność za pełny cykl życia modeli ML/DL na platformie Google Cloud Platform oraz będziesz wspierać rozwój innych badaczy danych w zespole.
Wymagania
WARUNEK KONIECZNY: Bardzo duże, praktyczne doświadczenie w projektowaniu, trenowaniu i wdrażaniu sieci neuronowych (Neural Networks) oraz modeli Deep Learning wykorzystywanych produkcyjnie.
GCP & MLOps: Praktyczna znajomość ekosystemu Google Cloud Platform, w szczególności Vertex AI oraz Vertex Pipelines.
Znajomość narzędzi: Bardzo dobra znajomość Pythona oraz bibliotek PyTorch lub TensorFlow, Pandas i NumPy.
SQL: Bardzo dobra znajomość SQL (preferowane doświadczenie z BigQuery / analitycznym SQL).
Engineering Standards: Umiejętność pisania produkcyjnego kodu, znajomość konteneryzacji (Docker) oraz procesów CI/CD.
End-to-end ML: Samodzielność w prowadzeniu pełnego procesu (analiza problemu -> feature engineering -> trening -> ewaluacja -> wdrożenie).
Mentoring: Doświadczenie w prowadzeniu i wspieraniu innych Data Scientistów.
Języki obce: Język angielski na poziomie co najmniej B2 (swobodna komunikacja techniczna).
Wykształcenie: Wyższe techniczne lub ścisłe (Informatyka, Matematyka, Statystyka, Fizyka lub pokrewne).
Lokalizacja: Warszawa (hybrydowo: 1 dzień w tygodniu z biura)
Welcome Skills
Doświadczenie w pracy z modelami działającymi w czasie rzeczywistym (low latency ML).
Znajomość specyfiki branży AdTech / Marketing.
Doświadczenie w budowaniu modeli CTR, CVR oraz pracy z algorytmami Gradient Boosted Trees (XGBoost, LightGBM, CatBoost).
Doświadczenie na stanowisku Tech Leada.
Praktyczne wykorzystanie asystentów AI w codziennej pracy z kodem (GitHub Copilot, Cursor itp.).
Zadania
Udział w pełnym cyklu ML/DL: Od dogłębnej analizy problemu biznesowego, przez feature engineering, eksperymenty, po produkcyjne wdrożenie i monitoring modeli.
Rozwój infrastruktury ML: Budowanie i utrzymanie skalowalnych potoków ML w oparciu o GCP (Vertex AI, Vertex Pipelines).
Tworzenie kodu produkcyjnego: Pisanie czystego, wydajnego kodu w Pythonie z wykorzystaniem dobrych praktyk programistycznych i CI/CD.
Mentoringiem: Dzielenie się wiedzą, wsparciem merytorycznym i podnoszenie kwalifikacji mniej doświadczonych Data Scientistów.