01 Zakres zadań
Kluczowe wymagania
- Doświadczenie: Min. 3 lata w Data Science, samodzielne prowadzenie projektów analitycznych "od A do Z".
- Technologie: Bardzo dobry Python (biblioteki ML i Data), biegły SQL, bazy NoSQL oraz narzędzia BI (Power BI / Google Data Studio).
- Wdrożenia ML: Praktyka w budowaniu i wdrażaniu modeli predykcyjnych na produkcję.
- Nowoczesny warsztat (AI): Zaawansowane korzystanie z narzędzi AI w codziennej pracy (szybkie prototypowanie, tzw. vibe coding, świadomy nadzór i weryfikacja kodu od AI).
- Biznes i komunikacja: Silne podstawy statystyki, umiejętność przekładania potrzeb biznesowych na rozwiązania techniczne oraz jasna komunikacja z nietechnicznymi interesariuszami.
Dodatkowe atuty (Mile widziane)
- Infrastruktura i Chmura: AWS, GCP lub Azure; narzędzia do orkiestracji (np. Airflow) i Big Data (Spark, Hadoop).
- Zaawansowane AI: Prompt engineering oraz budowa workflow opartych o API modeli LLM (OpenAI, Anthropic).
- Praktyki: Znajomość MLOps, Feature Engineering oraz praca w metodyce Agile/Scrum.
- Branża: Doświadczenie zdobyte w e-commerce lub mediach.

