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.