Ledigt jobb: Data scientist

Securitas

Securitas är en världsledande partner inom säkerhets- och skyddslösningar som hjälper till att göra din värld säkrare. Genom att utnyttja teknologi i samarbete med våra kunder erbjuder vi ett brett utbud av värdefulltjänster och lösningar integrerade över hela säkerhetsvärdekedjan – från tjänster på plats till avancerad övervakning, omfattande riskprognoser och rådgivningstjänster.

AI-laget

På Securitas visar våra kollegor upp sig varje dag för att hjälpa till att hålla samhällen och organisationer säkra. Vårt uppdrag i AI-laget är att säkerställa att de är utrustade med de bästa verktygen och den bästa intelligensen som finns.

Vi är Securitas specialiserade AI-lag – det interna centrumet för excellens för avancerad, anpassad AI. Vi arbetar inte med generiska verktyg eller standardlösningar. Vi bygger de AI-kapaciteter som kräver djup teknisk och domänexpertis, och som direkt påverkar hur Securitas opererar i stor skala.

Tjänsten

Du kommer att gå med i ett litet, fokuserat team och växa till en stark teknisk bidragsgivare. Du kommer att arbeta inom hela ML-livscykeln – från rörig data och tvetydiga problem till modeller som körs i produktion och skapar verkligt operativt inflytande. Du kommer att bidra till meningsfulla projekt från dag ett, med vägledning och mentorship från seniora teammedlemmar. Med tiden kommer du att ta på dig ökat ansvar när du bygger dina färdigheter och ditt självförtroende.

Ansvarsområden

Maskininlärning & GenAI

• Kontribuera till utvecklingen av LLM-drivna pipelines som extraherar struktur och insikt från ostrukturerad text – incidentrapporter, operativa loggar, kunddata.

• Stödja design och testning av GenAI-arkitekturer (t.ex. RAG), promptstrategier och utvärderingsramverk, och lära sig vad som ser "bra" ut i produktion.

• Träning och utvärdering av maskininlärningsmodeller – klassificering, regression och prognos.

• Hjälp till att bygga och iterera på modeller för personalhantering – efterfrågeprognos, optimering av skiftschema och modellering av personalomsättning.

• Hjälp till att utveckla modeller för kundavgång som visar tidiga, åtgärdsbara retentionssignaler för företaget.

Engineering & Leverans

• Arbeta genom hela ML-livscykeln: datautforskning, feature engineering, modellering, utvärdering och support vid deployment.

• Skriv ren, läsbar och testbar Python-kod – och förbättra ständigt dina mjukvaruutvecklingsvanor med stöd från teamet.

• Lär dig och tillämpa MLOps-grunderna: modellservering, övervakning, CI/CD, Docker och reproducerbara pipelines.

• Använd moderna AI-kodningsverktyg (GitHub Copilot, Claude Code) för att arbeta mer produktivt och iterera snabbare.

Samarbete & Kommunikation

• Översätt affärsfrågor till dataproblem, med vägledning från seniora datavetare.

• Presentera fynd och modellresultat för interna intressenter på ett tydligt, ärligt och tillgängligt sätt.

• Arbeta samarbetsvilligt över data-, ingenjörs- och affärsteam.

Vad du medför

Krav

• En examen inom ett kvantitativt område (Datavetenskap, Datateknik, Statistik, Ingenjörsvetenskap eller liknande) eller motsvarande praktisk erfarenhet.

• Starka Python-kunskaper och ett genuint intresse för att skriva bra, underhållbar kod.

• Hands-on erfarenhet av grundläggande ML-koncept och NLP – oavsett om det kommer från kurser, personliga projekt, praktik eller tidig karriär.

• Van vid LLM:er: du har arbetat med dem bortom grundläggande prompting och är nyfiken på hur de misslyckas och hur man utvärderar dem.

• Ett vetenskapligt, evidensbaserat tänk – du frågar "varför?" när resultat ser överraskande ut, och du kontrollerar dina egna antaganden.

• Tydelig, ärlig kommunikation: du kan förklara en metod, ett resultat eller en begränsning på enkelt språk.

Meriterande

• Exponering för MLOps-koncept: deployment, övervakning, Docker eller CI/CD-pipelines.

• Erfarenhet av Databricks eller liknande stora dataplattformar.

• Van vid LLM-utvärderingsramverk (Ragas, LangSmith eller liknande).

• Intresse eller erfarenhet av prognoser, schemaläggning eller operativa optimeringsproblem.

• Bekväm med att bygga enkla interaktiva dataverktyg (Streamlit, Dash eller liknande).

• Bakgrund inom ett område där beslut har verkliga operativa konsekvenser – logistik, vård, säkerhet eller liknande.

Anställningsvillkor

Tjänsten är öppen för kandidater baserade i Malmö eller Stockholm (med föredragning för sökande i Malmö). Det är en hybrid arbetsmodell.

Om detta låter som nästa steg i din karriär, tveka inte och sök!