Clinical Data Scientist (Python | Databricks | Deep Learning)

Wymagania

• 3–5 lat praktycznego doświadczenia w pracy z danymi (najlepiej z z badań klinicznych i/lub danymi real-world (EHR, rejestry, claims) )
• Biegłość w analizie danych i raportowaniu przy użyciu Python, R oraz SQL (wymagany kod o standardzie produkcyjnym, dobrze udokumentowany)
• Praktyczna wiedza z zakresu modelowania statystycznego, Machine Learningu oraz Deep Learningu
• Doświadczenie w pracy z GitHub oraz platformami klasy Enterprise (np. Databricks)
• Mapowanie danych: Znajomość implementacji CDISC lub operacji związanych z projektowaniem badań klinicznych
• Angielski na poziomie w pełni komunikatywnym w mowie i piśmie (B2+)

Mile widziane:

• Znajomość standardów CDISC (SDTM, ADaM), OMOP oraz HL7.

Twoje kompetencje miękkie:

• Umiejętność pracy z niepełnymi i heterogenicznymi zbiorami danych klinicznych przy zachowaniu pragmatyzmu w dostarczaniu wyników.
• Zdolność do tłumaczenia skomplikowanych analiz na język zrozumiały dla odbiorców nietechnicznych i medycznych.
• Nastawienie na wyniki, wysoka kultura pracy z kodem i dbałość o szczegóły.
• Zwinność w uczeniu się i silne nastawienie na współpracę zespołową.

Obszar: Healthcare

Lokalizacja: 100% zdalnie

Start: ASAP (akceptujemy kandydatury z max 3msc okresem wypowiedzenia)

Stawka (ustalana indywidualnie): 150 - 160 PLN netto + VAT / h

Zaangażowanie: B2B (outsourcing z 1dea), full-time, długofalowo

Proces rekrutacyjny (100% zdalnie):

• Krótka rozmowa telefoniczna informacyjno-zapoznawcza z rekruterem 1dea (~10 min)
• Weryfikacja techniczno-projektowa z Klientem (~1 - 1,5 h)
• (Jeśli OK) Rozmowa zapoznawcza z przedstawicielem projektu u Klienta końcowego (~ 30 min)
• Decyzja o podjęciu współpracy

Zakres obowiązków

• Wykonywanie analiz eksploracyjnych i konfirmacyjnych na zbiorach danych klinicznych oraz RWD (EHR, rejestry, roszczenia medyczne).
• Projektowanie złożonych planów analizy i przekładanie wyników na konkretne rekomendacje dla interesariuszy biznesowych i produktowych.
• Szybkie tworzenie prototypów MVP oraz przepływów analitycznych w oparciu o metodykę Agile i zasady DevOps.
• Definiowanie kohort, projektowanie analiz subpopulacji oraz rygorystyczna kontrola jakości (QA) wyników.
• Dbanie o poprawność koncepcji klinicznych w modelach danych (CDISC SDTM/ADaM, OMOP, HL7) oraz współtworzenie logiki mapowania i transformacji.
• Tworzenie odtwarzalnego kodu w Python, R i SQL oraz współpraca z inżynierami przy wdrażaniu analiz na platformę Databricks.