Senior Data Scientist

• 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.

Poszukujemy Senior Data Scientist / AI/ML Engineer, który dołączy do istniejącego zespołu i będzie odpowiadać za analitykę oraz modelowanie predykcyjne na podstawie przemysłowych danych produkcyjnych, procesowych, sensorycznych i szeregów czasowych.

Celem projektu jest poprawa wydajności produkcji oraz ograniczenie odpadów produkcyjnych poprzez praktyczne zastosowanie modeli predykcyjnych i rozwiązań Machine Learning.

• 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.