Data Scientist

Jako Data Scientist w IBM, będziesz pomagać w przekształcaniu danych naszych klientów w wymierną wartość biznesową poprzez analizę informacji, komunikowanie wyników i współpracę przy rozwoju produktów. Będziesz pracować z najlepszymi narzędziami open source i wizualizacyjnymi oraz najbardziej elastycznymi i skalowalnymi opcjami wdrożenia. Niezależnie od tego, czy chodzi o badanie trendów pacjentów, czy wzorców pogodowych, będziesz pracować nad rozwiązaniem rzeczywistych problemów dla branż, które zmieniają nasze życie.

Twoja rola i obowiązki

• Rozwój i wdrażanie modeli uczenia maszynowego i głębokiego uczenia w celu rozwiązania konkretnych wyzwań biznesowych.
• Działanie jako data scientist i ekspert w dziedzinie AI i ML, posiadając dobrą znajomość kluczowych technologii i architektur AI i ML.
• Zbieranie i oczyszczanie danych z różnych źródeł do analizy, zapewniając wysoką jakość i odpowiednie zestawy danych (strukturalnych i niestrukturalnych) dla skutecznego podejmowania decyzji.
• Eksploracja i wizualizacja danych w celu odkrycia spostrzeżeń i trendów, wykorzystując zaawansowane narzędzia i techniki do znaczącej interpretacji danych.
• Zastosowanie technik statystycznych i matematycznych do analizy danych, wykorzystując solidne metody analityczne do modelowania predykcyjnego i wnioskowania.
• Ustanawianie i utrzymywanie rygorystycznych standardów jakości.
• Wykorzystanie swojej wiedzy w zakresie ML-Ops / AI-Ops.
• Wykorzystanie kontroli wersji do utrzymania integralności kodu i współpracy, sprzyjając współpracy i bezbłędnemu środowisku rozwoju.
• Zarządzanie infrastrukturą big data i realizacja zadań inżynieryjnych związanych z danymi, zapewniając efektywne przechowywanie, przetwarzanie i pobieranie danych.
• Śledzenie najnowszych trendów i osiągnięć w AI/ML i pokrewnych technologiach oraz zastosowanie tej wiedzy do opracowywania innowacyjnych rozwiązań.
• Zapewnienie, że wszystkie rozwiązania są rozwijane z uwzględnieniem etyki, skalowalności, niezawodności i wydajności.

Co oferujemy:

• Pracę w jednej z 5 najlepszych firm IT według rankingu Forbes 2022.
• Międzynarodowe i prestiżowe projekty.
• Wysoce wykwalifikowane zespoły ekspertów.
• Szeroki zakres szkoleń i certyfikatów IBM.
• Dostęp do Udemy, Harvard Business Review, O’Reilly, Interskill, IBM AI Skills Academy.
• Umowa o pracę.
• Konkurencyjne wynagrodzenie – zakres wynagrodzenia w zależności od umiejętności i doświadczenia.
• Prywatna opieka medyczna i ubezpieczenie na życie.
• Program wsparcia dla pracowników.
• Sport, charytatywne i inne grupy networkingowe.
• Lato/zimowe obozy dla dzieci.
• Zniżki z identyfikatorem pracownika IBM.
• Program poleceń.
• Opcja pracy zdalnej.
• Brak dress code'u.

Wymagana wiedza techniczna i profesjonalna

• Silne doświadczenie w rozwoju i ocenie modeli AI/ML z solidnymi podstawami w algebrze liniowej, statystyce i algorytmach ML.
• Doświadczenie w projektowaniu i rozwoju modeli ML w celu wydobywania spostrzeżeń i informacji z danych strukturalnych i niestrukturalnych.
• Znajomość technik automatycznej oceny modeli ML.
• Umiejętność projektowania eksperymentów w celu weryfikacji wykonalności i zalet ML w różnych scenariuszach biznesowych.
• Umiejętność utrzymywania aktualnej wiedzy na temat postępów w AI i ML.
• Biegłość w Pythonie, z doświadczeniem w kodowaniu i debugowaniu w Pythonie.
• Praktyczne doświadczenie z technikami i narzędziami uczenia maszynowego, w tym m.in.: TensorFlow, PyTorch, scikit-learn i XGBoost.
• Udokumentowana zdolność do krytycznej oceny i kwestionowania modeli ML w celu zapewnienia optymalnej wydajności.
• Doświadczenie z technologiami big data, takimi jak Hadoop, Spark i bazy danych NoSQL.
• Biegłość w języku angielskim w mowie i piśmie.

Preferowana wiedza techniczna i profesjonalna

• Ekspertyza w zaawansowanych metodach szkolenia modeli, w tym dostrajania i fine-tuningu z modelami podstawowymi.
• Znajomość wielu języków programowania (Python, Java), co pokazuje wszechstronność i zdolność adaptacji.
• Tło w rozwijaniu i wdrażaniu ram i strategii automatyzacji.
• Certyfikacja w inżynierii danych, uczeniu maszynowym lub AI.
• Praktyczne doświadczenie z platformą chmurową, taką jak IBM Cloud, AWS, Azure lub GCP.
• Doświadczenie z praktykami i narzędziami DevOps, takimi jak Docker, Kubernetes i CI/CD pipelines.
• Silne zrozumienie etycznych implikacji AI i jej zastosowań.
• Umiejętności w systemie Linux, najlepiej w RHEL.
• Doświadczenie z narzędziami do wizualizacji danych, takimi jak Tableau lub Power BI.
• Certyfikacja w inżynierii danych, uczeniu maszynowym lub AI.