Technical Lead — Data Science (f / m/x) - Regular

Opis

Szukamy lidera technicznego, który potrafi jednocześnie robić dwie trudne rzeczy: utrzymać zespół naukowców zajmujących się danymi w dostarczaniu pracy, która wytrzymuje krytykę, oraz być na tyle blisko kodu, aby wiedzieć, kiedy coś nie działa. Będziesz odpowiedzialny za kierunek techniczny projektów związanych z danymi od początku do końca — od zdefiniowania problemu z klientem po zatwierdzenie podejścia do modelowania, przegląd pracy i upewnienie się, że to, co zostanie dostarczone, rzeczywiście działa. To rola praktyczna. Nadal będziesz pisać w Pythonie, kwestionować wybory modelu, zgłębiać, dlaczego metryki wyglądają zbyt dobrze. Ale twój największy wpływ będzie pochodził od innych — ustalanie standardów, mentoring zespołu i podejmowanie decyzji technicznych, które utrzymują projekty na właściwej drodze w różnych platformach, takich jak Microsoft Fabric, Palantir Foundry, Databricks i główne chmury. Co oferujemy: AI Grant — Przestań mówić o AI i zacznij je budować. Nasz AI Grant daje ci dedykowany budżet i zasoby, aby przekształcić twój najdzikszy pomysł na AI w działający projekt, wspierany przez dwa płatne tygodnie, aby skupić się na niczym innym. AI Center of Excellence — Pracuj obok specjalistów w dziedzinie AI agentowego, suwerennego AI, generatywnego i dyskryminacyjnego AI. To nie jest zamknięty zespół — to ludzie, od których będziesz się uczyć i budować codziennie. Twoje narzędzia, twój wybór — Pełny dostęp do narzędzi rozwoju wspieranych przez AI, w tym Claude, Cursor i GitHub Copilot. Wybierz to, co najlepiej działa dla ciebie. Różnorodność projektów — Od generatywnego AI do zgodności z dokumentami prawnymi, przez systemy agentowe w środowiskach produkcyjnych, po platformy AI na dużą skalę, wizję komputerową i autonomiczne prowadzenie. Nie będziesz się nudzić. Wsparcie w zakresie konferencji i wystąpień — Chcesz uczestniczyć w konferencjach? Pomożemy ci. Chcesz wystąpić na nich? Jeszcze lepiej — wesprzemy cię dedykowanym czasem na przygotowanie i bonusami.

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

• Co najmniej 6 lat doświadczenia w dziedzinie nauki o danych z udokumentowanymi modelami wdrożonymi do produkcji, w tym minimum 2 lata prowadzenia lub mentorowania innych naukowców zajmujących się danymi

• Głębokie, praktyczne umiejętności w Pythonie w standardowym stosie danych (pandas, NumPy, scikit-learn, XGBoost) — potrafisz samodzielnie przeglądać i pisać trudne części

• Silne podstawy statystyczne i ML: projektowanie eksperymentów, metodologia walidacji oraz umiejętność dostrzegania wyników, które nie przetrwają kontaktu z rzeczywistością

• Znajomość przynajmniej jednej platformy chmurowej/danych i jej komponentów związanych z nauką o danych — Azure (Microsoft Fabric, Azure Machine Learning), AWS (SageMaker), GCP (Vertex AI, BigQuery ML), Snowflake (Snowpark ML, Cortex), Databricks (MLflow, Mosaic AI) lub Palantir (Foundry Code Workspaces, Foundry ML, AIP)

• Doświadczenie w prowadzeniu dostarczania w kontekście z klientem lub konsultingowym: określanie zakresu, szacowanie i zarządzanie ryzykiem technicznym

• Silne umiejętności komunikacyjne — zdolność do obrony metodologii przed techniczną publicznością i wyjaśnienia jej wpływu na biznes dla osób nietechnicznych

• Biegła znajomość języka angielskiego (zarówno w mowie, jak i w piśmie)

• Biegła znajomość języka polskiego wymagana

• Wymagane zamieszkanie w Polsce

Zakres obowiązków

• Odpowiedzialność za kierunek techniczny projektów związanych z danymi: projektowanie rozwiązań, podejście do modelowania, strategia walidacji i jakość dostarczania

• Prowadzenie i mentoring zespołu naukowców zajmujących się danymi — przegląd kodu, przegląd metodologii, rozwój kariery oraz podnoszenie standardów dotyczących tego, co oznacza "zrobione"

• Praca w terenie: prototypowanie podejść, rozwiązywanie trudnych problemów modelowania oraz wkład w produkcyjnej jakości Python tam, gdzie to najważniejsze

• Przekładanie problemów biznesowych klientów na określone, oszacowane strumienie pracy związane z danymi i sprzeciwianie się, gdy problem nie wymaga modelu

• Ustalanie i egzekwowanie standardów inżynieryjnych dla zespołu: powtarzalność, śledzenie eksperymentów, testowanie i dokumentacja

• Wskazywanie decyzji dotyczących platformy i dostarczania w ekosystemach chmurowych/danych — Microsoft Fabric, Palantir Foundry, Databricks, Snowflake oraz natywne usługi Azure/AWS/GCP

• Współpraca z architektami AI, inżynierami danych i interesariuszami klientów w celu dostosowania decyzji technicznych do wyników biznesowych i harmonogramów

• Reprezentowanie zespołu przed klientami: prezentowanie wyników, obrona metodologii i zarządzanie oczekiwaniami technicznymi