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.