Data Scientist

Stanowisko łączy analityczne podejście do danych z praktycznym wykorzystaniem modeli AI w rzeczywistym środowisku produkcyjnym. Obejmuje pracę z danymi pochodzącymi z linii technologicznych i laboratoriów, które wspierają optymalizację procesów, przewidywanie zdarzeń i utrzymanie jakości. To rola dla osób chcących rozwijać się w obszarach ML, DL i MLOps, w oparciu o nowoczesne rozwiązania chmurowe i współpracę w międzynarodowym zespole ekspertów.Wynagrodzenie:18 000 - 21 000 PLN brutto (UoP)Wymagania:Wykształcenie wyższe techniczne (preferowana informatyka, matematyka stosowana, data science lub pokrewne).Doświadczenie w pracy z danymi procesowymi i przemysłowymi (sensory, linie produkcyjne, laboratoria).Biegłość w analizie szeregów czasowych oraz modelach predykcyjnych (regresja, klasyfikacja, detekcja anomalii).Praktyczne umiejętności w budowie i wdrażaniu modeli ML/DL w środowisku produkcyjnym.Znajomość narzędzi analitycznych i programistycznych (Python, scikit-learn, TensorFlow, PyTorch, SQL).Doświadczenie w pracy z danymi w chmurze (Azure, AWS lub GCP).Znajomość zasad MLOps — pipeline’y CI/CD, versioning modeli, monitoring i retraining.Umiejętność wizualizacji i interpretacji wyników analiz dla zespołów nietechnicznych.Dobra znajomość języka angielskiego, mile widziana znajomość języka niemieckiego.Gotowość do pracy w systemie hybrydowym.Do Twoich zadań będzie należało:Projektowanie, trenowanie i wdrażanie modeli uczenia maszynowego opartych na danych przemysłowych i procesowych.Analiza i modelowanie zjawisk produkcyjnych w celu predykcji jakości, awaryjności i efektywności procesów.Budowa i optymalizacja pipeline’ów danych — od pobierania po prezentację wyników.Tworzenie rozwiązań wspierających cyfrowe odwzorowanie procesów i systemy predykcyjnego utrzymania ruchu.Projektowanie i utrzymanie repozytoriów modeli oraz środowisk analitycznych w chmurze.Współpraca z inżynierami automatykami, zespołem produkcyjnym i działem IT w zakresie wdrażania modeli do środowiska operacyjnego.Udział w procesach automatyzacji cyklu życia modeli (training, retraining, monitoring, version control).Opracowywanie raportów i prezentacji podsumowujących wyniki analiz i rekomendacje dla zespołów biznesowych.