Data Scientist with AI

O stanowisku

The role is for an experienced Data Scientist with AI to design, develop, and deploy enterprise-grade Machine Learning and Generative AI solutions for clients. It involves leading end-to-end Data Science, Machine Learning, and Generative AI projects from research and experimentation to production deployment.

Wymagania

• Minimum 4+ lata doświadczenia w Data Science lub podobnej roli, w tym co najmniej 1+ rok praktycznego doświadczenia w obszarze Generative AI/LLM.

• Biegła znajomość programowania w Pythonie (w tym bibliotek takich jak PyTorch, TensorFlow lub scikit-learn).

• Praktyczne doświadczenie z co najmniej jedną z głównych platform AI w chmurze: Azure OpenAI, GCP Vertex AI lub AWS Bedrock/SageMaker.

• Głębokie rozumienie LLM, embeddingów, baz wektorowych i architektur RAG.

• Biegła znajomość SQL oraz doświadczenie w pracy z dużymi, złożonymi zbiorami danych w środowiskach chmurowych.

• Solidne podstawy w statystyce, prawdopodobieństwie i projektowaniu eksperymentów (testy A/B).

• Znajomość konteneryzacji (Docker) i orkiestracji (Kubernetes/narzędzia MLOps) do wdrażania modeli na dużą skalę.

• Doskonałe umiejętności komunikacji w języku angielskim (min. poziom B2) i zdolność do efektywnej współpracy z interesariuszami technicznymi i biznesowymi.

• Doświadczenie z systemami wieloagentowymi, drzewami zachowania lub uczeniem wzmacnianym.

• Doświadczenie w branżach regulowanych (np. finanse, ubezpieczenia, opieka zdrowotna).

• Doświadczenie z Databricks lub ekosystemem Apache Spark.

Obowiązki

1. 1

   Prowadzenie projektów od początku do końca w obszarze klasycznej Data Science, Machine Learning oraz zaawansowanej Generative AI i Large Language Models (LLMs), od badań i eksperymentów po wdrożenie produkcyjne.

2. 2

   Projektowanie i wdrażanie skalowalnych potoków AI/ML oraz praktyk MLOps z wykorzystaniem usług chmurowych natywnych dla danej platformy (np. Azure Machine Learning, GCP Vertex AI, AWS SageMaker).

3. 3

   Opracowywanie, optymalizacja i ocena aplikacji opartych na LLM, w tym systemów RAG (Retrieval-Augmented Generation), z wykorzystaniem baz wektorowych i orkiestracji promptów.

4. 4

   Współpraca z inżynierami danych i zespołami BI w celu zapewnienia dostępu do wysokiej jakości, dobrze ustrukturyzowanych danych do treningu i wnioskowania modeli.

5. 5

   Stosowanie zaawansowanej analizy statystycznej, eksperymentowania (testy A/B, wnioskowanie przyczynowe) oraz technik modelowania do rozwiązywania złożonych problemów biznesowych.

6. 6

   Wnoszenie wkładu w definiowanie map drogowych AI, zapewnianie zgodności rozwiązań z celami biznesowymi i dążenie do mierzalnego wpływu (np. redukcja kosztów, optymalizacja wydajności).

7. 7

   Zapewnianie zgodności z normami zarządzania AI, bezpieczeństwa i zgodności danych w środowiskach regulowanych.

8. 8

   Badanie i ocena nowych frameworków AI (np. LangChain, CrewAI) oraz technologii (np. AI multimodalne, przepływy pracy agentyczne).

Benefity i zalety

• Dofinansowanie szkoleń i certyfikatów oraz gwarantowany czas na naukę w godzinach pracy
• Prywatna opieka medyczna i karta Multisport
• Kursy językowe (angielski)
• Elastyczne godziny pracy i możliwość pracy hybrydowej (Warszawa)
• Spotkania integracyjne zespołu i wydarzenia firmowe
• Program poleceń pracowniczych z premią
• Indywidualnie dopasowana ścieżka rozwoju zawodowego