Must have

• Machine Learning

• NLP

• Airflow

• Docker

• AWS

• Azure

• Python

• PyTorch

• TensorFlow

• scikit-learn

• Data science

• MLOps

• Polish

Requirements description

Original text.  Show translation

Wymagane doświadczenie i umiejętności

• Doświadczenie jako Data Scientist w sektorze finansowym lub innych branżach regulowanych.
• Bardzo dobra znajomość: machine learning, statystyki i analityki predykcyjnej.
• Praktyczne doświadczenie w NLP/LLM, OCR lub systemach wykrywania anomalii.
• MLOps: Airflow, Docker, CI/CD, monitoring modeli.
• Chmura: AWS lub Azure – praca w środowisku o wysokich wymaganiach bezpieczeństwa.
• Biegła znajomość Python i ekosystemu ML (PyTorch, TensorFlow, scikit-learn).
• Znajomość bankowych use-case’ów: fraud, AML/KYC, scoring, churn, analiza ryzyka, trading lub liquidity analytics.
• Umiejętność prezentowania wyników dla kadry zarządzającej oraz na potrzeby audytów regulacyjnych.

Profil idealnego kandydata

• 6–10+ lat doświadczenia w Data Science / Machine Learning.
• Silne fundamenty w AI oraz umiejętność wdrażania rozwiązań produkcyjnych.
• Doświadczenie na styku: Data Science + ML Engineering + MLOps.
• Bardzo dobre umiejętności komunikacji i współpracy z interesariuszami biznesowymi.
• Samodzielność, odpowiedzialność i umiejętność pracy w środowisku o wysokim poziomie złożoności.

Offer description

Original text.  Show translation

Poszukujemy doświadczonego Senior Data Scientista, który będzie projektować i wdrażać zaawansowane rozwiązania oparte na danych w sektorze bankowym. Rola wymaga połączenia wiedzy eksperckiej z obszaru uczenia maszynowego oraz praktycznego doświadczenia w budowaniu produkcyjnych systemów ML w środowiskach regulowanych i wysoko zabezpieczonych.

Your responsibilities

Original text.  Show translation

1. Projektowanie i wdrażanie modeli ML m.in. do: wykrywania nadużyć (fraud), automatyzacji AML/KYC, scoringu ryzyka kredytowego, segmentacji klientów i predykcji zachowań.
2. Realizacja pełnego cyklu życia modeli: eksploracja danych, feature engineering, trenowanie, walidacja, wdrożenie i monitoring.
3. Budowa i utrzymanie pipeline’ów ML zgodnie z najlepszymi praktykami MLOps – traceability, explainability, governance.
4. Implementacja rozwiązań AI w środowiskach chmurowych zgodnych ze standardami bezpieczeństwa i regulacji bankowych (AWS / Azure).
5. Prowadzenie PoC-ów i skalowanie rozwiązań do poziomu enterprise.
6. Wykorzystywanie najnowszych technologii AI (LLM, zaawansowane NLP, OCR, anomaly detection) w automatyzacji procesów.

show all (8)