Senior Data Scientist

Będziesz uczestniczyć w budowie nowego systemu detekcji nadużyć (Fraud Detection), rozwijając modele Machine Learning wspierające ocenę ryzyka i identyfikację podejrzanych zdarzeń.

To rola dla osoby, która nie tylko potrafi budować skuteczne modele predykcyjne, ale również rozumie ich zastosowanie biznesowe, umie ocenić ich działanie w środowisku produkcyjnym i samodzielnie przeprowadzić proces modelowania – od analizy danych po wdrożenie.

Senior Data Scientist

Twój zakres obowiązków

• Tworzenie modeli klasyfikacyjnych na danych tabelarycznych, z wykorzystaniem m.in. regresji logistycznej i algorytmów gradient boosting.
• Analiza danych pochodzących z różnych źródeł, w tym danych tabelarycznych, tekstowych i grafowych.
• Dobór odpowiednich metod modelowania, strategii walidacji oraz metryk oceny jakości modeli.
• Projektowanie i przeprowadzanie eksperymentów oraz ocena ich wyników.
• Analiza skuteczności modeli, interpretowanie predykcji oraz wykorzystywanie metod Explainable AI (np. SHAP).
• Identyfikowanie nowych źródeł danych i metod analitycznych mogących zwiększyć skuteczność wykrywania nadużyć.
• Ocena możliwości zastosowania nowoczesnych metod AI, w tym LLM, z uwzględnieniem efektywności i adekwatności rozwiązania do problemu.
• Dokumentowanie modeli, wyników eksperymentów oraz rekomendacji analitycznych.
• Współpraca z ekspertami biznesowymi, analitykami i developerami przy projektowaniu, wdrażaniu i rozwijaniu rozwiązań.
• Udział w pracach nad kodem i integracją modeli z rozwijanym systemem.

Nasze wymagania

• Około 3 lata doświadczenia zawodowego na stanowisku Data Scientist oraz praktyczne doświadczenie we wdrożeniu co najmniej jednego modelu Machine Learning do rzeczywistego wykorzystania biznesowego.
• Bardzo dobra znajomość SQL i umiejętność samodzielnej analizy danych.
• Praktyczne doświadczenie w budowaniu modeli klasyfikacyjnych na danych tabelarycznych, w tym z wykorzystaniem regresji logistycznej oraz gradient boosting.
• Umiejętność projektowania i selekcji cech (Feature Engineering).
• Doświadczenie w doborze metod walidacji i metryk oceny skuteczności modeli, odpowiednich do charakteru problemu biznesowego.
• Umiejętność planowania eksperymentów, interpretowania wyników i wyciągania wniosków.
• Znajomość metod wyjaśniania i interpretacji modeli Machine Learning, np. SHAP.
• Umiejętność oceny zachowania modelu w środowisku produkcyjnym oraz uzasadniania jego predykcji.
• Krytyczne podejście do jakości danych, ich pochodzenia i wpływu na wyniki modelowania.
• Swoboda programowania pozwalająca na samodzielne przygotowywanie eksperymentów i rozwijanie modeli.
• Umiejętność pozyskiwania wiedzy domenowej od ekspertów biznesowych oraz przekładania problemów biznesowych na zadania analityczne.
• Umiejętność prezentowania wyników analiz i rekomendacji osobom nietechnicznym.
• Znajomość aktualnych trendów w Machine Learning oraz umiejętność oceny przydatności nowych metod i technologii.
• Świadomość możliwości i ograniczeń Large Language Models (LLM) oraz umiejętność wyboru rozwiązania adekwatnego do problemu.
• Doświadczenie w projektach związanych z Fraud Detection, AML lub oceną ryzyka kredytowego.
• Znajomość branży ubezpieczeniowej oraz procesów związanych z obsługą szkód i świadczeń.
• Doświadczenie w analizie sieci powiązań i danych grafowych, np. z wykorzystaniem Neo4j.
• Znajomość metod Natural Language Processing (NLP), szczególnie w analizie tekstów w języku polskim.
• Doświadczenie w monitorowaniu skuteczności modeli po wdrożeniu produkcyjnym.
• Umiejętność pracy z kodem w Javie oraz współpracy z developerami we wspólnym repozytorium, w tym udział w code review i testach.

Aplikuj