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

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? - Prześlij nam swoje CV w języku angielskim, dopisując w formularzu oczekiwania finansowe, preferowaną formę współpracy oraz dyspozycyjność. - Teraz czas na nasz ruch - analizę Twojego zgłoszenia. Jeśli przebiegła pomyślnie, zaprosimy Cię na dłuższą rozmowę w formie zdalnej (ok. 1.5h). - Po spotkaniu spodziewaj się feedbacku w przeciągu 2 tygodni. - 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/