Data Scientist (retail)

Poszukujemy Data Scientist, który wesprze nasze projekty z obszaru AI/ML, ze szczególnym naciskiem na analizę danych konwersacyjnych, walidację modeli generatywnych oraz jakość działania systemów dialogowych. Jeżeli interesują Cię nowoczesne technologie, praca z danymi tekstowymi i audio oraz rozwój rozwiązań opartych o uczenie maszynowe — ta rola będzie dla Ciebie idealna.

Nasz klient realizujemy projekty z wykorzystaniem Pythona oraz technologii AI/ML, obejmujące m.in.:

• budowę aplikacji głosowych i systemów rozpoznawania mowy,

• analizę danych w czasie rzeczywistym,

• integrację modeli uczenia maszynowego z systemami biznesowymi,

• rozwój i ewaluację chatbotów oraz agentów głosowych opartych o GenAI.

Nasze oczekiwania:

• Dobra znajomość języka Python (w tym biblioteki pandas, numpy) oraz narzędzi ML,

• Wiedza z zakresu walidacji logiki modeli LLM/NLU oraz umiejętność oceny jakości predykcji i identyfikacji błędów na podstawie analizy outputów (tekst/audio),

• Znajomość REST API, systemu kontroli wersji Git oraz Azure DevOps,

• Zainteresowanie tematyką AI, NLP, LLM oraz algorytmami decyzyjnymi.

• Umiejętność logicznego „łączenia kropek” i krytycznej oceny, czy działania bota są zgodne z założonymi algorytmami i ścieżkami decyzyjnymi,

• Dokładność w analizie rozmów i danych konwersacyjnych oraz silne zorientowanie na wyszukiwanie nieprawidłowości i anomalii,

• Własna inicjatywa, proaktywność w zgłaszaniu usprawnień oraz otwartość na naukę nowych technologii,

• Chęć nauki i rozwoju w stronę automatyzacji testów (tworzenie skryptów testowych w Pythonie).

• Bardzo dobra znajomość języka angielskiego (min. B2).

Mile widziane:

• Doświadczenie z chatbotami lub agentami głosowymi,

• Umiejętność kontroli jakości poprzez ewaluacje, automatyzację testów oraz testy manualne.

Kluczowe zadania:

• Weryfikacja poprawności decyzji bota i zgodności działań z algorytmami oraz przewidzianymi ścieżkami decyzyjnymi,

• Analiza zachowania chatbotów i voice botów pod kątem jakości, poprawności oraz spójności logiki,

• Analiza danych tekstowych/audio w celu identyfikacji wzorców, anomalii i błędów w modelach konwersacyjnych,

• Walidacja logiki modeli LLM/NLU oraz ocena jakości predykcji,

• Identyfikacja błędów modeli ML na podstawie outputów i zachowania w różnych scenariuszach,

• Rekomendowanie usprawnień w modelach konwersacyjnych, ich konfiguracji i ścieżkach decyzyjnych,

• Ewaluacja jakości rozwiązań - docelowo ok. 30% pracy będzie obejmować kontrolę jakości poprzez ewaluacje, tworzenie testów automatycznych oraz manualną weryfikację poprawności funcjonowania systemów.