Młodsza / Młodszy | Specjalistka / Specjalista Data Scientist (Umowa na Zastępstwo)

Na poziomie Młodszej/ego Data Scientist:

• Wspieranie przeprowadzania eksperymentów data science poprzez testowanie wskazanych metod rozwiązania problemu
  
• Wykonywanie podstawowych analiz danych oraz przygotowywanie prostych podsumowań i wizualizacji
  
• Przetwarzanie danych tekstowych przy wykorzystaniu podstawowych technik NLP
  
• Wspieranie tworzenia rozwiązań opartych o duże modele językowe (LLM), w tym przygotowywanie promptów, oraz testowanie wyników modeli
  
• Tworzenie prostych prototypów i demonstratorów rozwiązań AI w obszarze usług publicznych
  
• Dokumentowanie wyników eksperymentów, analiz i testów

Na poziomie Data Scientist dodatkowo:

• Samodzielne przeprowadzanie eksperymentów data science poprzez dobór, implementację i ewaluację metod rozwiązania danego problemu
  
• Prowadzenie analiz dużych zbiorów danych
  
• Projektowanie i wdrażanie podejść do przetwarzania danych tekstowych z wykorzystaniem technik NLP
  
• Tworzenie rozwiązań opartych o duże modele językowe (LLM)
  
• Tworzenie prototypów produktów (POC) opartych o sztuczną inteligencję w obszarze usług publicznych.
  
• Ocena jakości modeli i rozwiązań AI, w tym dobór metryk, analiza błędów oraz rekomendowanie kierunków usprawnień
  
• Komunikowanie i prezentowanie prototypów produktów oraz wniosków z analiz i eksperymentów
  
• Współpraca z Inżynierami Danych, Inżynierami Uczenia Maszynowego, Analitykami Biznesowymi, Architektami oraz ekspertami domenowymi celem wytworzenia pełnego produktu
  
• Analiza modeli sztucznej inteligencji pod kątem zastosowań w obszarze usług publicznych
  
  
  
  

Na poziomie Młodszej/ego Data Scientist:

• Znajomość podstawowych bibliotek do pracy z danymi i uczenia maszynowego, takich jak pandas, numpy, scikit-learn
  
• Podstawowa znajomość bibliotek, zagadnień i narzędzi wykorzystywanych w NLP, np. spaCy, transformers lub podobnych
  
• Znajomość podstaw pracy z Generatywną Sztuczną Inteligencją, w szczególności prompt engineeringu oraz podstawowych koncepcji RAG
  
• Podstawowa znajomość bibliotek wykorzystywanych do pracy z GenAI, np. openai, pydantic, langchain, transformers
  
• Znajomość języka Python na poziomie umożliwiającym samodzielne tworzenie prostych skryptów, notebooków i prototypów
  
• Zrozumienie podstawowych zagadnień uczenia maszynowego, takich jak trening, walidacja, metryki, przeuczenie, hiperparametry
  
• Znajomość podstaw czystego kodu oraz gotowość do pracy zgodnie ze standardami zespołu
  
• Umiejętność analizowania danych, przygotowywania wizualizacji oraz formułowania prostych wniosków
  
• Umiejętność pracy z dokumentacją techniczną i chęć rozwijania kompetencji w obszarze AI, ML i GenAI
  
• Mile widziana podstawowa znajomość usług chmurowych, np. Azure 

Na poziomie Data Scientist dodatkowo:

• Praktyczna znajomość bibliotek do pracy z danymi i uczenia maszynowego, takich jak pandas, numpy, scikit-learn, spaCy
  
• Doświadczenie w pracy z Generatywną Sztuczną Inteligencją, w szczególności w obszarach prompt engineeringu, RAG, agentowości i ewaluacji rozwiązań LLM
  
• Praktyczna znajomość bibliotek wykorzystywanych do pracy z GenAI, np. openai, pydantic, transformers, langchain, langgraph
  
• Dobra znajomość języka Python oraz zasad czystego, czytelnego i utrzymywalnego kodu
  
• Umiejętność projektowania eksperymentów ML, doboru metryk, przeprowadzania ewaluacji modeli i interpretowania wyników
  
• Zrozumienie zagadnień uczenia maszynowego, takich jak trening, walidacja, metryki, przeuczenie, hiperparametry
  
• Wiedza z różnych obszarów ML, ze szczególnym naciskiem na NLP (preprocessing, wyszukiwarki, embeddingi)
  
• Umiejętność samodzielnego doboru rozwiązania do problemu z uwzględnieniem czasu, dostępnych narzędzi, jakości danych, kosztu oraz oczekiwanych rezultatów
  
• Umiejętność wizualizacji oraz prezentacji danych i wyników prac, formułowanie wniosków oraz wskazywania ograniczeń proponowanych rozwiązań
  
• Podstawowa znajomość usług chmurowych, np. Azure