ML/Data Scientist

🕒 Współpraca długofalowa

💼 Forma współpracy: B2B

🏢 Tryb pracy: hybrydowy (Warszawa) 3 dni pracy w biurze, 2 dni pracy zdalnej

📈 Branża: Ubezpieczeniowa

Projekt: Projekt polega na tworzeniu i wdrażaniu modeli statystycznych oraz uczenia maszynowego wspierających procesy aktuarialne, opartych na analizie dużych zbiorów danych, automatyzacji procesów i ścisłej współpracy z ekspertami biznesowymi w celu dostarczania praktycznych rekomendacji decyzyjnych.

Zakres obowiązków:

• Opracowywanie, wdrażanie i utrzymywanie modeli statystycznych oraz uczenia maszynowego wspierających funkcje aktuarialne.

• Analiza dużych i złożonych zbiorów danych w celu uzyskania praktycznych wniosków wspierających proces podejmowania decyzji.

• Przeprowadzanie eksploracyjnej analizy danych i tworzenie cech (feature engineering) dla poprawy jakości modeli i ich interpretowalności.

• Wspieranie automatyzacji i optymalizacji procesów aktuarialnych z wykorzystaniem nowoczesnych narzędzi i frameworków data science.

• Ścisła współpraca z aktuariuszami, underwriterami i zespołami likwidacji szkód w celu przekładania wyzwań biznesowych na rozwiązania analityczne.

• Przygotowywanie prezentacji wyników i rekomendacji w sposób zrozumiały dla odbiorców technicznych.

Wymagania:

• Biegłość w Pythonie w zakresie analizy danych i modelowania.

• Dobra znajomość metod uczenia maszynowego, analityki predykcyjnej oraz wnioskowania statystycznego.

• Doświadczenie w pracy z narzędziami do przetwarzania danych (np. pandas, SQL) oraz wizualizacji danych (np. matplotlib, seaborn, ggplot2).

• Umiejętność pracy z wykorzystaniem repozytorium kodu.

• Silne umiejętności rozwiązywania problemów i pasja do odkrywania wniosków płynących z danych.

• Umiejętność współpracy w interdyscyplinarnych zespołach.

Mile widziane:

• Znajomość narzędzi pricingowych WTW (Emblem, Radar).

• Znajomość branży ubezpieczeniowej.

• Znajomość narzędzi SAS.

• Znajomość systemów kontroli wersji (Git).

• Znajomość środowisk chmurowych (AWS, Azure).

Dlaczego warto:

• Projekt o realnym wpływie na dane w dużej organizacji.

• Nowoczesne technologie i środowisko chmurowe.

• Stabilna współpraca (B2B).

• Elastyczny model pracy (hybrydowy).