Data Scientist

Wymagania Kluczowe - doświadczenie w personalizacji

To stanowisko wymaga praktycznego doświadczenia w:

• budowie systemów rekomendacyjnych ,
• segmentacji użytkowników ,
• modelach predykcyjnych ukierunkowanych na zachowania użytkowników ,
• personalizacji komunikacji, ofert, treści lub doświadczeń produktowych .

Jeśli masz portfolio projektów personalizacyjnych — to ogromny plus.

Pozostałe wymagania

• Wykształcenie kierunkowe (Data Science, Informatyka, Matematyka, Ekonometria).
• Minimum 3 lata doświadczenia jako Data Scientist.
• Bardzo dobra znajomość ML i ich zastosowań biznesowych.
• Biegłość w Pythonie i bibliotekach: Pandas, Numpy, Scikit‑learn, Statsmodels, TF/PyTorch.
• Doświadczenie z dużymi zbiorami danych.
• Znajomość PySpark , baz relacyjnych oraz chmury (Azure / GCP / AWS / Snowflake / Databricks).
• Umiejętność pisania czystego, modularnego kodu.
• Biegły polski i angielski.

Mile widziane:

• CI/CD w projektach data science.
• Doświadczenie z Kedro .
• Znajomość CLI (bash/zsh).

Poszukujemy doświadczonego Data Scientista , który chce rozwijać zaawansowane rozwiązania personalizacyjne w dynamicznym środowisku produktowym. Jeśli masz doświadczenie w personalizacji, rekomendacjach, segmentacji użytkowników i chcesz pracować nad rozwiązaniami wpływającymi na miliony odbiorców - to rola stworzona dla Ciebie.

Dlaczego warto?

• Praca nad rozwiązaniami personalizacyjnymi o ogromnej skali i realnym wpływie.
• Nowoczesne środowisko technologiczne i dostęp do najnowszych narzędzi.
• Zespół ekspertów, od których można się uczyć i z którymi można tworzyć ambitne rozwiązania.
• 100% praca zdalna i elastyczne podejście do organizacji pracy.

,[Personalizacja użytkowników -projektowanie i rozwijanie modeli rekomendacyjnych, systemów scoringowych i rozwiązań zwiększających trafność komunikacji oraz doświadczeń użytkownika., Współpraca z biznesem - przekładanie potrzeb produktowych na konkretne rozwiązania data science., Budowa modeli ML - tworzenie modeli ML i GenAI, które realnie wpływają na strategię marketingową i produktową., Analiza danych -praca na dużych zbiorach danych, formułowanie hipotez i wyciąganie wniosków., Komunikacja wyników -prezentowanie rezultatów w sposób zrozumiały dla osób nietechnicznych., Prowadzenie projektów end‑to‑end: od zrozumienia problemu, przez prototyp, po wdrożenie i monitoring.] Requirements: Budowa systemów rekomendacyjnych, Segmentacja użytkowników, Data, Data science, Python, pandas, NumPy, scikit-learn, Statsmodels, TF/PyTorch, PySpark, Azure, GCP, AWS, Snowflake, Databricks, Clean Code, CI/CD, Kedro, CLI, Bash, ZSH