Senior Data Scientist (f / m/x)

Opis

Szukamy Senior Data Scientist, który dołączy do projektu skoncentrowanego na budowaniu systemu operacyjnego opartego na AI dla marketingu w służbie zdrowia. W tej roli zaprojektujesz i wdrożysz ekstrakcję encji, łączenie i rozwiązywanie na dużą skalę, godząc duże i fragmentaryczne zbiory danych w wiarygodne encje i atrybuty. Będziesz pracować nad produktami produkcyjnymi, które tworzą realną wartość w przemyśle nauk przyrodniczych, zapewniając integralność i jakość danych wykorzystywanych do dotarcia do odbiorców i uzyskiwania wglądów.

Benefity

• Great Place to Work

• Stabilna sytuacja finansowa

• Kontrakty z globalnymi markami

• Centrum szkoleń wewnętrznych

• Wielu ekspertów, od których możesz się uczyć

• Otwarty i dostępny zarząd

• Profit sharing

• Program Sponsoringu Pasji

• Cykliczne imprezy i wyjazdy integracyjne

• Komfortowe i dobrze wyposażone biura

• Aplikacja MySii

• Opieka medyczna

Wymagania

• Minimum 5-letnie doświadczenie w dostarczaniu produkcyjnych prac z zakresu ML lub data science, w tym praktyczne doświadczenie w łączeniu i rozwiązywaniu encji na dużą skalę

• Dogłębna znajomość Pythona, w tym kodu produkcyjnego, testowanego i z adnotacjami typów

• Silna znajomość SQL oraz doświadczenie z FastAPI, Dockerem, pytest, Gitem i praktykami CI/CD

• Praktyczne doświadczenie w metodach probabilistycznych do oceny dopasowania, wyboru progów i ewaluacji

• Znajomość algorytmów grafowych i technik ML grafów, w tym osadzeń i GNN

• Doświadczenie w inżynierii danych i ML, w tym procesach ETL w dużych zbiorach danych oraz monitorowaniu jakości danych

• Znajomość rozproszonych magazynów SQL, takich jak Snowflake, BigQuery lub Databricks, oraz technologii grafowych, takich jak Neo4j lub Amazon Neptune

• Zaawansowany poziom języka angielskiego

Zakres obowiązków

• Ekstrakcja encji i atrybutów z heterogenicznych źródeł, w tym tabel magazynowych, rejestrów i dokumentów

• Projektowanie i wdrażanie probabilistycznego łączenia encji oraz deduplikacji w wielu dużych zbiorach danych medycznych

• Odpowiedzialność za pipeline łączenia od początku do końca, w tym ocena par i ocena oparta na grafach oraz skalibrowane prawdopodobieństwa dopasowania

• Definiowanie, jak jakość łączenia jest mierzona poprzez precyzję, czułość, kalibrację i analizę błędów

• Łączenie encji i atrybutów z kontrolowanymi słownikami medycznymi w celu zapewnienia spójności między źródłami

• Wykorzystanie reprezentacji grafów i technik ML grafów do łączenia, w tym klasteryzacji, centralności i prognozowania łączeń

• Budowanie i utrzymywanie zasobów danych i grafów, w tym transformacji magazynów i monitorowania

• Poprawa wydajności istniejących algorytmów w odpowiedzi na zmieniające się źródła danych i ich objętości