Senior Data Scientist
Remote B2B contract (initially 3–4 months) building predictive ML models that boost production efficiency and cut waste for a UK industrial client. The engineer analyzes noisy process, sensor, and time-series manufacturing data using Python (pandas, NumPy, gradient boosting, time-series libraries).
- Compensation
- PLN 190–PLN 230 / hr
- Location
- Cracow, Poland
- Work setup
- Remote
- Seniority
- Senior
- Employment
- Contract
- Experience
- Not specified
- Category
- Data science
- Posted
Skills
Must have
- Documented experience applying ML in heavy/continuous process industry (paper, steel/metallurgy, chemical, refinery, glass, or pharmaceutical)
- Practical experience with high-frequency, noisy sensor data from historian/SCADA/telemetry systems, incl. sensor drift, missing data, and time-series feature engineering
- Hands-on predictive modeling in at least two of: waste reduction/quality prediction (soft sensors, virtual metrology); process optimization/yield maximization; condition monitoring/anomaly detection/p
- Very good Python and DS/ML libraries: pandas, polars, NumPy, SciPy, classic ML, gradient boosting (LightGBM, XGBoost, CatBoost, scikit-learn), and time-series libraries
- Ability to translate ambiguous operational problems into concrete analytical tasks, collaborate directly with plant engineers and operations teams, and present results clearly
- English at minimum B2 level
Full description
- 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.