Data Scientist ds. Modelowania Ryzyka – Ubezpieczenia in Warsaw

Data Scientist ds. Modelowania Ryzyka – Ubezpieczenia in Warsaw

Warsaw Pełny etat 69750 - 85250 zł / rok (szac.) Stacjonarnie
P

W skrócie

  • Zadania: Buduj i testuj modele predykcyjne dla produktów ubezpieczeniowych.
  • Firma: PZU S.A. - lider w branży ubezpieczeń.
  • Benefity: Elastyczny czas pracy, umowa o pracę i możliwość pracy hybrydowej.
  • Pozostałe informacje: Praca w dynamicznym zespole z możliwościami rozwoju kariery.
  • Dlaczego ta praca: Zyskaj doświadczenie w analizie danych i wpływaj na decyzje biznesowe.
  • Kwalifikacje: 2 lata doświadczenia w analizie danych oraz znajomość Pythona i SQL.

Przewidywane wynagrodzenie mieści się w przedziale 69750 - 85250 zł za rok.

PZU S.

A. poszukuje specjalisty ds. analizy danych i modeli predykcyjnych do wspierania wyceny produktów ubezpieczeniowych dla klientów korporacyjnych.

Praca obejmuje budowę, testowanie i utrzymanie modeli w środowisku produkcyjnym, a także analizę dużych zestawów danych oraz interpretację wyników dla zespołów biznesowych.

Stanowisko w modelu hybrydowym z elastycznym startem i umową o pracę.

Wymaga 2 lat doświadczenia, biegłej znajomości Pythona (ML), SQL/4GL, SAS Enterprise Guide oraz

#J-18808-Ljbffr

Data Scientist ds. Modelowania Ryzyka – Ubezpieczenia in Warsaw – pracodawca: PZU

PZU to doskonały pracodawca, który oferuje wyjątkowe możliwości rozwoju zawodowego w dynamicznym środowisku finansowym. Nasza kultura pracy opiera się na współpracy i innowacyjności, co sprzyja kreatywnemu podejściu do wyzwań związanych z walidacją modeli ryzyka kapitałowego. Pracując w PZU, masz szansę uczestniczyć w unikalnych projektach oraz korzystać z bogatej oferty szkoleń i wsparcia w rozwoju kariery.

P

Dane kontaktowe:

Zespół rekrutacyjny PZU

Naszym zdaniem te umiejętności pozwolą ci błyszczeć jako Data Scientist ds. Modelowania Ryzyka – Ubezpieczenia in Warsaw

Analiza danych
Modele predykcyjne
Budowa modeli
Testowanie modeli
Utrzymanie modeli
Analiza dużych zestawów danych
Interpretacja wyników