Data Science / Data Analyst

Dołączysz do zespołu tworzącego platformę battery insights dla programów EMA / JEA. Będziesz współpracować z inżynierami napędu, produktowcami i IT, aby przekształcać dane z akumulatorów w realne wnioski: od kondycji i degradacji ogniw, przez prognozy, po alerty anomalii i rekomendacje dla decyzji biznesowych.

Zadania

• Projektowanie eksperymentów i tworzenie pipeline’ów danych (ingest, oczyszczanie, feature store).
• Budowa i wdrażanie modeli (time series, klasyfikacja, regresja, detekcja anomalii, clustering).
• Analiza przyczynowa i eksploracyjna, wizualizacje oraz materiał decyzyjny dla biznesu i inżynierii.
• Współpraca z Data Engineering (produkcyjne wdrożenia), MLOps oraz zespołami Product/Propulsion.
• Redefinicja metryk i KPI platformy battery insights (dokładność, drift, latency, koszt).
  
  

Must-have

• Rozległe doświadczenie w wymyślaniu, prowadzeniu, rozwijaniu i wdrażaniu rozwiązań AI/Data Science dostarczających wymierną wartość biznesową.
• Silne podstawy z matematyki, statystyki i prawdopodobieństwa oraz umiejętność strukturyzowania, analizy i interpretacji danych.
• Biegłość w SQL i Python oraz pracy w środowisku Jupyter Notebook (lub równoważnym).
• Bardzo dobra znajomość technik ML: modelowanie szeregów czasowych, regresja, klasyfikacja, klastrowanie, detekcja anomalii.
• Zdolność jasnego tłumaczenia koncepcji i wyników Data Science interesariuszom nietechnicznym (biznes/zarząd).
  
  

Mile widziane

• Doświadczenie w obszarze battery analytics, telemetrii flot, IoT lub automotive.
• Znajomość MLOps (model registry, CI/CD dla modeli, monitorowanie driftu) i chmurowych usług danych.
• Praktyka w pracy z dużą skalą (streaming, time-series DB) oraz wrażliwymi danymi.
  
  

Jak pracujemy

Zespoły cross-functional, krótkie iteracje, code/research review, współdzielone standardy danych i modelowania. Stawiamy na wpływ produktu, jakość, powtarzalność i mierzalne efekty biznesowe.

Join the team behind our battery insights platform for EMA / JEA. You’ll turn battery data into actionable intelligence—health and degradation signals, forecasts, anomaly alerts, and decision support—working closely with propulsion engineering, product, and IT

Responsibilities

• Design experiments and build data pipelines (ingestion, cleaning, feature store).
• Develop and deploy models (time series, classification, regression, anomaly detection, clustering).
• Drive exploratory/causal analysis, visualizations, and decision materials for business & engineering.
• Partner with Data Engineering for productionization, with MLOps and Product/Propulsion teams.
• Evolve platform KPIs for battery insights (accuracy, drift, latency, cost).
  
  

Must-have

• Extensive experience ideating, leading, developing, and deploying AI/Data Science solutions that delivered tangible business value.
• Strong foundations in mathematics, statistics, and probability with the ability to structure, analyze, and interpret data.
• Proficiency in SQL and Python, and working in Jupyter Notebook (or equivalent).
• Solid understanding of ML techniques: time-series modelling, regression, classification, clustering, anomaly detection.
• Ability to explain data science concepts and results to non-technical stakeholders and decision makers.
  
  

Nice to have

• Background in battery analytics, fleet telemetry, IoT, or automotive.
• MLOps experience (model registry, CI/CD for models, drift monitoring) and cloud data services.
• Exposure to large-scale data (streaming, time-series DB) and sensitive data handling.
  
  

How we work

Cross-functional squads, short iterations, code/research reviews, shared data & modelling standards. We prioritise product impact, quality, reproducibility, and measurable business outcomes.