O projekcie:
Stawka: 190-230 zł/h netto + VAT na B2B Czas trwania: początkowo 3–4 miesiące, z potencjałem na kolejne podobne projekty międzynarodowe. Model pracy: zdalnie. Podróże służbowe: możliwość dwóch wyjazdów do Wielkiej Brytanii w trakcie początkowego etapu projektu. Proces rekrutacyjny: screening + dwa spotkania z klientem. Opis projektu
Projekt realizowany dla klienta z sektora przemysłowego w Wielkiej Brytanii koncentruje się na wykorzystaniu Data Science i Machine Learning do analizy oraz optymalizacji procesów produkcyjnych. Wymagania:
Doświadczenie w przemyśle procesowym: udokumentowane doświadczenie w stosowaniu Machine Learning w przemyśle ciężkim lub ciągłym, np. w branży papierniczej, stalowej i metalurgicznej, chemicznej, rafineryjnej, szklarskiej lub farmaceutycznej. Przemysłowe dane sensoryczne i szeregi czasowe: praktyczne doświadczenie w pracy z wysokoczęstotliwościowymi, zaszumionymi danymi z systemów historian/SCADA/telemetrycznych, uwzględniające m.in. dryf sensorów, brakujące dane i ciągłe tworzenie cech dla szeregów czasowych. Doświadczenie w modelowaniu predykcyjnym: praktyczna znajomość tworzenia i wdrażania modeli w co najmniej dwóch z poniższych obszarów:- Ograniczanie odpadów produkcyjnych i przewidywanie jakości produktów (soft sensors, virtual metrology).- Optymalizacja parametrów procesowych i maksymalizacja uzysku produkcyjnego.- Monitorowanie stanu urządzeń, wykrywanie anomalii lub utrzymanie predykcyjne (PdM). Python i biblioteki ML: bardzo dobra znajomość bibliotek wykorzystywanych w Data Science, w tym pandas, polars, NumPy i SciPy, a także klasycznych metod Machine Learning i gradient boosting, takich jak LightGBM, XGBoost, CatBoost i scikit-learn, oraz bibliotek do analizy szeregów czasowych. Samodzielność i współpraca z klientem: umiejętność przekładania niejednoznacznych problemów operacyjnych na konkretne zadania analityczne, bezpośredniej współpracy z inżynierami zakładowymi i zespołami operacyjnymi oraz jasnego prezentowania wyników. Język angielski: poziom minimum B2. Kluczowe technologie i umiejętności
MLOps, Machine Learning, NumPy, Pandas, Predictive Modelling, Python, Time Series, XGBoost, scikit-learn. Codzienne zadania:
Analiza danych produkcyjnych, procesowych, sensorycznych i szeregów czasowych. Tworzenie i wdrażanie modeli Machine Learning oraz modeli predykcyjnych. Przewidywanie jakości produktów i ograniczanie odpadów produkcyjnych. Optymalizacja procesów produkcyjnych i parametrów procesowych. Wykrywanie anomalii oraz modelowanie predykcyjne wspierające utrzymanie predykcyjne. Współpraca z zespołami operacyjnymi oraz prezentowanie wyników i rekomendacji klientowi.
#J-18808-Ljbffr
Senior Data Scientist in Kraków – pracodawca: Square One Resources
Nasza firma to globalna organizacja technologiczna, która stawia na innowacyjność i rozwój swoich pracowników. Oferujemy elastyczne warunki pracy w modelu zdalnym lub hybrydowym, co sprzyja równowadze między życiem zawodowym a prywatnym. Wspieramy rozwój kariery poprzez dostęp do szkoleń oraz certyfikacji w obszarze chmury, a także promujemy kulturę współpracy w zespołach Agile, co czyni nas doskonałym miejscem dla inżynierów zajmujących się automatyzacją infrastruktury chmurowej.
