Senior Data Scientist

Zakres współpracy obejmuje: projektowanie, rozwój i wdrażanie modeli Machine Learning do wykrywania fraudów i anomalii, analizę oraz przygotowanie danych, w tym feature engineering i ocenę jakości danych, tworzenie i optymalizację rozwiązań w Pythonie z wykorzystaniem bibliotek scikit-learn, pandas oraz XGBoost, budowanie i utrzymywanie procesów przetwarzania danych z wykorzystaniem SQL oraz Elasticsearch, współpracę przy wdrażaniu modeli produkcyjnych zgodnie z praktykami MLOps, integrację rozwiązań z ekosystemem danych, w tym Apache Kafka, konteneryzację i wdrażanie rozwiązań w środowiskach Docker i Kubernetes, dbanie o jakość kodu, testowanie rozwiązań oraz stosowanie dobrych praktyk programistycznych, analizę skuteczności modeli oraz ciągłe doskonalenie mechanizmów wykrywania nadużyć, współpracę z analitykami, ekspertami domenowymi i zespołem projektowym przy identyfikacji nowych scenariuszy fraudowych, tryb realizacji usług: hybrydowo (spotkania 2 razy w miesiącu w biurze w Warszawie), budżet projektu: do 145 PLN/h VAT, w zależności od doświadczenia oraz zakresu świadczonych usług. Kompetencje wymagane do realizacji usług: minimum 4 lata doświadczenia w programowaniu rozwiązań w Pythonie, praktyczna znajomość Machine Learning, w szczególności scikit-learn, pandas, XGBoost oraz metod anomaly detection, doświadczenie w pracy z danymi, obejmujące ich przygotowanie, analizę oraz feature engineering, znajomość SQL, doświadczenie w pracy z danymi składowanymi w Elasticsearch, znajomość Docker i Kubernetes oraz środowiska Linux, wiedza z zakresu MLOps oraz doświadczenie w przygotowywaniu modeli do wdrożeń produkcyjnych, znajomość dobrych praktyk programistycznych oraz doświadczenie w testowaniu rozwiązań, umiejętności analityczne i samodzielność w poszukiwaniu rozwiązań, mile widziane: znajomość modułu Machine Learning w Elasticsearch, Apache Kafka oraz doświadczenie w projektach związanych z wykrywaniem fraudów, anomalii lub innych nadużyć finansowych.