Senior Data Scientist | Statistical Modelling & Simulation (M/F/NB)

Opis oferty pracy

W Etteplan łączymy technologię, dane i wiedzę inżynierską, pomagając klientom rozwiązywać złożone problemy przemysłowe. Pracujemy blisko zespołów klienta, stawiając na odpowiedzialność, partnerską współpracę i rozwiązania oparte na rzetelnych podstawach technicznych.

Rola w skrócie

• Obszar: Industrial Data Science / modelowanie systemów fizycznych
• Główne zagadnienia: modelowanie statystyczne, symulacje, optymalizacja, modelowanie niepewności, projektowanie eksperymentów
• Technologie: Python i ekosystem Scientific Computing, m.in. NumPy, SciPy i pandas
• Domena projektu: sieci wodociągowe / systemy hydrauliczne
• Poziom: Senior
• Współpraca: Data Science, Software Engineering i eksperci domenowi

Dołączysz do zespołu rozwijającego metody analizy danych dla złożonych systemów fizycznych, w szczególności sieci wodociągowych i systemów hydraulicznych. Rozwiązanie wykorzystuje model fizyczny sieci oraz pomiary przepływu i ciśnienia. Wyzwaniem jest opracowanie metodologii, która będzie działać w różnych środowiskach klientów - również wtedy, gdy dane są niepełne, mają różną rozdzielczość lub część warunków brzegowych wymaga przybliżenia.

Na obecnym etapie koncentrujemy się na rozwoju i naukowej walidacji tej metodologii. Za docelowe wdrożenie produkcyjne odpowiada osobny strumień inżynierski.

Jednym z pierwszych rezultatów Twojej pracy będzie rozwinięcie realistycznych scenariuszy syntetycznych i powtarzalnych eksperymentów. Pozwolą one określić, kiedy obecne podejście działa skutecznie, gdzie znajdują się jego ograniczenia oraz jak niepewność danych i parametrów wpływa na uzyskiwane wyniki.

To rola na styku Data Science, statystyki, modelowania matematycznego, optymalizacji i symulacji - dla osoby, która dobrze odnajduje się w otwartych problemach badawczo-inżynierskich i potrafi przekładać je na konkretne analizy oraz eksperymenty. Metody machine learning mogą uzupełniać podejście oparte na modelu fizycznym, jeśli ich zastosowanie jest uzasadnione danymi i celem analizy.

Dlaczego warto?

W tej roli:

• pracujesz nad złożonym problemem badawczo-inżynierskim z perspektywą wykorzystania wyników w rozwiązaniu produkcyjnym,
• współtworzysz rozwijaną metodologię i sposób prowadzenia eksperymentów,
• projektujesz scenariusze symulacyjne i powtarzalne metody walidacji,
• pomagasz przekształcić rozwiązania dopasowywane dziś do pojedynczych projektów w metodologię działającą w różnych scenariuszach danych klientów,
• łączysz podejścia oparte na danych z modelami matematycznymi i fizycznymi,
• oceniasz wiarygodność wyników oraz wpływ niepewności danych i modeli,
• współpracujesz z Data Scientistami, Software Engineerami oraz ekspertami domenowymi,
• porównujesz alternatywne podejścia, krytycznie weryfikujesz założenia i przekładasz ustalenia na kolejne eksperymenty.

W tej roli będziesz odpowiadać za:

• tworzenie syntetycznych, ale realistycznych scenariuszy danych dla systemów hydraulicznych i sieci wodociągowych,
• projektowanie eksperymentów i powtarzalnych metod walidacji pozwalających ilościowo oceniać działanie algorytmów,
• analizę wpływu różnych źródeł niepewności oraz ich propagacji w modelach i procesach analitycznych,
• rozwijanie metod pozwalających oceniać wiarygodność i poziom zaufania do uzyskiwanych wyników,
• analizowanie, rozwijanie i krytyczną weryfikację istniejących algorytmów oraz metod detekcji,
• kalibrację parametrów modeli fizycznych i ocenę dopasowania symulacji do obserwowanych pomiarów,
• pracę z modelami matematycznymi i symulacyjnymi opisującymi systemy fizyczne oraz łączenie ich z podejściami data-driven,
• formułowanie wymagań metodologicznych i danych wejściowych potrzebnych do późniejszego przekazania rozwiązania zespołowi inżynierskiemu,
• przedstawianie zespołowi i klientowi wyników, ograniczeń metod oraz rekomendacji dotyczących dalszych eksperymentów.

Szukamy osoby, która

• bardzo dobrze rozumie statystykę i modelowanie statystyczne,
• ma praktyczne doświadczenie w stosowaniu metod numerycznych i symulacji,
• rozumie możliwości i ograniczenia klasycznych metod machine learning oraz potrafi ocenić, kiedy warto je zastosować,
• dobrze rozumie zagadnienia optymalizacji matematycznej, kalibracji parametrów oraz podejścia oparte na modelach fizycznych,
• bardzo dobrze programuje w Pythonie i swobodnie korzysta z bibliotek takich jak NumPy, SciPy, pandas lub podobnych,
• potrafi projektować eksperymenty i definiować mierzalne kryteria oceny działania algorytmów,
• potrafi pracować z niepełnymi, zaszumionymi i heterogenicznymi danymi,
• potrafi tworzyć powtarzalne analityczne przepływy przetwarzania danych i eksperymentów,
• potrafi identyfikować źródła niepewności i uwzględniać je w analizie oraz interpretacji wyników,
• potrafi samodzielnie przełożyć otwarty problem na plan analizy i eksperymentów, dobrać odpowiednie metody oraz krytycznie zweryfikować przyjęte założenia,
• swobodnie komunikuje się w języku angielskim, również podczas omawiania metodologii i wyników z zespołem oraz klientem.

Doświadczenie w hydraulice lub sieciach wodociągowych nie jest wymagane. Mile widziane będzie natomiast doświadczenie w modelowaniu systemów fizycznych lub pracy z rzeczywistymi danymi pomiarowymi, np. pochodzącymi z czujników i urządzeń. Kluczowe są silne podstawy matematyczne, statystyczne i analityczne, rozumienie zależności fizycznych oraz gotowość do poznania nowej domeny.

Szczególnie interesują nas osoby z pogłębionym doświadczeniem w co najmniej jednym z obszarów: optymalizacja numeryczna i kalibracja modeli, modelowanie probabilistyczne, uncertainty quantification lub walidacja oparta na symulacji.

Mile widziane są także

• doświadczenie z metodami probabilistycznymi i uncertainty quantification, np. Monte Carlo, analizą wrażliwości, propagacją niepewności lub modelami bayesowskimi,
• doświadczenie w modelowaniu systemów fizycznych lub pracy z danymi pomiarowymi, np. w obszarze Digital Twin, systemów sterowania, state estimation lub sensor fusion,
• znajomość podejść łączących modele fizyczne z metodami data-driven, np. physics-informed ML lub modeli hybrydowych,
• doświadczenie w hydraulice, modelowaniu sieci wodociągowych lub hydroinformatyce,
• doświadczenie we współpracy z zespołami inżynierskimi przy przekazywaniu zwalidowanych metod do wdrożenia produkcyjnego

Jak przebiega proces rekrutacyjny?

1. Prześlij nam swoje CV w języku angielskim, dopisując w formularzu oczekiwania finansowe, preferowaną formę współpracy oraz dyspozycyjność.
2. Teraz czas na nasz ruch - analizę Twojego zgłoszenia. Jeśli przebiegła pomyślnie, zaprosimy Cię na dłuższą rozmowę w formie zdalnej (ok. 1.5h).
3. Po spotkaniu spodziewaj się feedbacku w przeciągu 2 tygodni.
4. Powyższe etapy poszły Ci jak z płatka? Świetnie! Witaj w Etteplan :)

Możesz też zajrzeć na naszą stronę internetową lub Facebooka i zobaczyć, co ciekawego się u nas dzieje!

-

Nasza firma wdrożyła procedury ochrony sygnalistów zgodnie z obowiązującą ustawą. Każda osoba ma prawo zgłaszać nieprawidłowości w bezpieczny sposób, a zgłoszenia są objęte pełną ochroną prawną. Więcej informacji: https://www.etteplan.com/pl/kodeks-postepowania/