{"id":2295810,"url":"https://alion.io/job/etteplan-senior-data-scientist-statistical-modelling-simulation-mfnb","title":"Senior Data Scientist | Statistical Modelling & Simulation (M/F/NB)","company":{"id":56718,"name":"Etteplan","domain":"etteplan.com","url":"https://alion.io/company/etteplan","size_band":"1001-5000","is_staffing_agency":false,"employer_type":"direct","is_intermediary":false,"listed_via":null,"ats_vendor":"Jobylon","truth_index":{"grade":"B","score":75,"open_postings":32,"ghost_share":0,"stale_share":1,"repost_share":0,"time_to_fill_p50_days":null,"computed_at":"2026-10-12T06:55:09Z"}},"role":"Data Science","role_family":"Data Science","seniority":"senior","employment_type":null,"work_mode":"on_site","remote_scope":null,"remote_scope_basis":null,"remote_working_hours":null,"hiring_geo_confidence":"structured","locations":["Gdańsk, Poland"],"countries":["PL"],"hiring_countries":[],"hiring_countries_total":0,"salary":null,"salary_estimate":{"min_usd":62000,"max_usd":103000,"period":"year","method":"role_seniority_country_remote_cell","sample_n":103},"experience_years_min":null,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"Machine Learning","optional":false},{"name":"NumPy","optional":false},{"name":"Python","optional":false},{"name":"SciPy","optional":false},{"name":"Digital Twin","optional":true},{"name":"Sensor Fusion","optional":true}],"status":"live","first_seen_at":"2026-09-16T08:54:48Z","employer_posted_date":"2026-10-11","last_verified_at":"2026-10-12T09:45:04Z","board_verified":true,"closed_at":null,"days_open":26,"trust":{"level":"ok","repost_count":null,"flags":[],"days_open":26},"description":"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.\nRola w skrócie\nObszar: Industrial Data Science / modelowanie systemów fizycznych\nGłówne zagadnienia: modelowanie statystyczne, symulacje, optymalizacja, modelowanie niepewności, projektowanie eksperymentów\nTechnologie: Python i ekosystem Scientific Computing, m.in. NumPy, SciPy i pandas\nDomena projektu: sieci wodociągowe / systemy hydrauliczne\nPoziom: Senior\nWspółpraca: Data Science, Software Engineering i eksperci domenowi\nDołączysz 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.\nNa obecnym etapie koncentrujemy się na rozwoju i naukowej walidacji tej metodologii. Za docelowe wdrożenie produkcyjne odpowiada osobny strumień inżynierski.\nJednym 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.\nTo 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.\nDlaczego warto?\nW tej roli:\npracujesz nad złożonym problemem badawczo-inżynierskim z perspektywą wykorzystania wyników w rozwiązaniu produkcyjnym,\nwspółtworzysz rozwijaną metodologię i sposób prowadzenia eksperymentów,\nprojektujesz scenariusze symulacyjne i powtarzalne metody walidacji,\npomagasz przekształcić rozwiązania dopasowywane dziś do pojedynczych projektów w metodologię działającą w różnych scenariuszach danych klientów,\nłączysz podejścia oparte na danych z modelami matematycznymi i fizycznymi,\noceniasz wiarygodność wyników oraz wpływ niepewności danych i modeli,\nwspółpracujesz z Data Scientistami, Software Engineerami oraz ekspertami domenowymi,\nporównujesz alternatywne podejścia, krytycznie weryfikujesz założenia i przekładasz ustalenia na kolejne eksperymenty.\nW tej roli będziesz odpowiadać za:\ntworzenie syntetycznych, ale realistycznych scenariuszy danych dla systemów hydraulicznych i sieci wodociągowych,\nprojektowanie eksperymentów i powtarzalnych metod walidacji pozwalających ilościowo oceniać działanie algorytmów,\nanalizę wpływu różnych źródeł niepewności oraz ich propagacji w modelach i procesach analitycznych,\nrozwijanie metod pozwalających oceniać wiarygodność i poziom zaufania do uzyskiwanych wyników,\nanalizowanie, rozwijanie i krytyczną weryfikację istniejących algorytmów oraz metod detekcji,\nkalibrację parametrów modeli fizycznych i ocenę dopasowania symulacji do obserwowanych pomiarów,\npracę z modelami matematycznymi i symulacyjnymi opisującymi systemy fizyczne oraz łączenie ich z podejściami data-driven,\nformułowanie wymagań metodologicznych i danych wejściowych potrzebnych do późniejszego przekazania rozwiązania zespołowi inżynierskiemu,\nprzedstawianie zespołowi i klientowi wyników, ograniczeń metod oraz rekomendacji dotyczących dalszych eksperymentów.\nSzukamy osoby, która\nbardzo dobrze rozumie statystykę i modelowanie statystyczne,\nma praktyczne doświadczenie w stosowaniu metod numerycznych i symulacji,\nrozumie możliwości i ograniczenia klasycznych metod machine learning oraz potrafi ocenić, kiedy warto je zastosować,\ndobrze rozumie zagadnienia optymalizacji matematycznej, kalibracji parametrów oraz podejścia oparte na modelach fizycznych,\nbardzo dobrze programuje w Pythonie i swobodnie korzysta z bibliotek takich jak NumPy, SciPy, pandas lub podobnych,\npotrafi projektować eksperymenty i definiować mierzalne kryteria oceny działania algorytmów,\npotrafi pracować z niepełnymi, zaszumionymi i heterogenicznymi danymi,\npotrafi tworzyć powtarzalne analityczne przepływy przetwarzania danych i eksperymentów,\npotrafi identyfikować źródła niepewności i uwzględniać je w analizie oraz interpretacji wyników,\npotrafi samodzielnie przełożyć otwarty problem na plan analizy i eksperymentów, dobrać odpowiednie metody oraz krytycznie zweryfikować przyjęte założenia,\nswobodnie komunikuje się w języku angielskim, również podczas omawiania metodologii i wyników z zespołem oraz klientem.\nDoświadczenie 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.\nSzczególnie 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.\nMile widziane są także\ndoświadczenie z metodami probabilistycznymi i uncertainty quantification, np. Monte Carlo, analizą wrażliwości, propagacją niepewności lub modelami bayesowskimi,\ndoświadczenie w modelowaniu systemów fizycznych lub pracy z danymi pomiarowymi, np. w obszarze Digital Twin, systemów sterowania, state estimation lub sensor fusion,\nznajomość podejść łączących modele fizyczne z metodami data-driven, np. physics-informed ML lub modeli hybrydowych,\ndoświadczenie w hydraulice, modelowaniu sieci wodociągowych lub hydroinformatyce,\ndoświadczenie we współpracy z zespołami inżynierskimi przy przekazywaniu zwalidowanych metod do wdrożenia produkcyjnego\nJak przebiega proces rekrutacyjny?\nPrześlij nam swoje CV w języku angielskim, dopisując w formularzu oczekiwania finansowe, preferowaną formę współpracy oraz dyspozycyjność.\nTeraz czas na nasz ruch - analizę Twojego zgłoszenia. Jeśli przebiegła pomyślnie, zaprosimy Cię na dłuższą rozmowę w formie zdalnej (ok. 1.5h).\nPo spotkaniu spodziewaj się feedbacku w przeciągu 2 tygodni.\nPowyższe etapy poszły Ci jak z płatka? Świetnie! Witaj w Etteplan :)\nMożesz też zajrzeć na naszą stronę internetową lub Facebooka i zobaczyć, co ciekawego się u nas dzieje!\n-\nNasza 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/","description_format":"text","description_chars":7035,"description_truncated":false,"requirements":{"experience_years_min":null,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":null,"security_clearance":false,"languages":[{"language":"Polish","level":"Advanced (C1)","optional":false}]},"benefits":[],"hiring_locations":[],"hiring_excludes":[],"relocation_offered":false,"industries":["Embedded & Electronics Design","Electrical & Electronic Engineering","Engineering Services"],"lifecycle":[{"event":"open","at":"2026-10-11T20:51:59Z"}],"visa":[],"liveness":{"score":38,"band":"fade","label":"Fading","p_open":1,"p_active":0.502,"p_room":0.75,"age_days":25,"expected_fill_days":28,"reasons":["conf:3","stale_co","win:late"],"computed_at":"2026-10-12T06:55:09Z"},"pay":null,"html_url":"https://alion.io/job/etteplan-senior-data-scientist-statistical-modelling-simulation-mfnb","json_url":"https://alion.io/job/etteplan-senior-data-scientist-statistical-modelling-simulation-mfnb.json","meta":{"generated_at":"2026-10-12T12:00:39Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers","about":"Alion is a live layer of people, companies and AI agents: who they are, whether they are real and active right now, what they do and how to work with them, readable by people and by agents and paid per call.","catalog":"https://alion.io/catalog.json","usage":{"tier":"crawler_verified","counted_by":"address","units_charged":1,"used_today":18797,"day_limit":null,"remaining_today":null,"minute_limit":300,"resets_at":"2026-10-13T00:00:00Z"}},"offers":[{"id":"company.slices","title":"One company in depth, by slice","status":"live","price":{"credits":0.02,"usd":0.002,"plus_per_slice":{"credits":0.05,"usd":0.005}},"unit":"per company, plus each slice with data","note":"the employer in depth","call":{"mcp_tool":"get_company","arguments":{"id":56718},"rest":"https://alion.io/mcp/rest/get_company?id=56718"},"human":"https://alion.io/catalog?offer=company.slices&for=job%2Fetteplan-senior-data-scientist-statistical-modelling-simulation-mfnb"},{"id":"market.stats","title":"A market slice: pay, demand and time to fill","status":"live","price":{"credits":1,"usd":0.1},"unit":"per slice","note":"pay, demand and time to fill for this role and place","call":{"mcp_tool":"market_stats"},"human":"https://alion.io/catalog?offer=market.stats&for=job%2Fetteplan-senior-data-scientist-statistical-modelling-simulation-mfnb"},{"id":"job.search","title":"Open jobs by role, technology, place, pay and visa","status":"live","price":{"credits":0.02,"usd":0.002},"unit":"per posting in a list","note":"similar open postings","call":{"mcp_tool":"search_jobs"},"human":"https://alion.io/catalog?offer=job.search&for=job%2Fetteplan-senior-data-scientist-statistical-modelling-simulation-mfnb"},{"id":"company.verify","title":"Is this company real and active right now","status":"pilot","price":null,"unit":"per company","request":{"url":"https://alion.io/catalog/request","method":"POST","body":"{\"offer\": \"company.verify\", \"for\": \"job/etteplan-senior-data-scientist-statistical-modelling-simulation-mfnb\", \"note\": \"what you need it for\"}"},"human":"https://alion.io/catalog?offer=company.verify&for=job%2Fetteplan-senior-data-scientist-statistical-modelling-simulation-mfnb"}]}