Chief Data Scientist

Что предстоит делать

Chief Data Scientist — ведущий научный эксперт AI-департамента, отвечающий за методологическую состоятельность и техническое качество всех решений на основе данных и моделей машинного обучения. Это не управленец в классическом понимании: это человек, который определяет, как правильно решать задачу технически, задаёт научные стандарты для команды и лично участвует в разработке наиболее сложных решений. Он работает на стыке исследований и промышленного применения — именно этот баланс является ключевым требованием к кандидату. Роль предполагает тесное взаимодействие с руководителем центра R&D, директором по продукту и командами AI-инженеров. Chief Data Scientist не дублирует функции руководителя R&D-центра — он является его научным партнёром и главным арбитром в вопросах методологии и качества моделей.

• Осуществлять научное руководство и управлять методологией: определять подходы к решению задач машинного обучения внутри компании; устанавливать методологические стандарты — от постановки задачи до оценки результата; нести ответственность за научную корректность принимаемых решений;
• Разрабатывать и внедрять сложные модели: лично участвовать в создании ключевых моделей — рекомендательных систем, моделей оценки рисков, персонализации клиентского опыта, предиктивной аналитики по брокерским данным; писать код и проводить эксперименты самостоятельно;
• Оценивать и выбирать подходы: анализировать применимость различных архитектур и методов — больших языковых моделей, классического машинного обучения, статистических методов — к конкретным задачам брокерской деятельности; осуществлять обоснованный выбор между ними;
• Стандартизировать качество моделей: разрабатывать внутренние критерии оценки качества моделей; проводить и методологически руководить оценкой существующих и новых решений перед их выводом в эксплуатацию; принимать участие в построении систем мониторинга деградации моделей;
• Работать с данными: формировать требования к данным для обучения и оценки моделей; взаимодействовать с командами данных по вопросам качества, разметки, хранения и доступа; выявлять и устранять системные проблемы с данными, влияющие на качество решений;
• Развивать научный уровень команды: курировать специалистов по данным и машинному обучению; проводить внутренние технические обзоры и разбор решений; формировать культуру воспроизводимых экспериментов и обоснованных технических решений;
• Представлять научную позицию: участвовать в обсуждениях с руководством и бизнесом в роли главного технического эксперта по вопросам моделей и данных; объяснять технические ограничения и возможности на языке бизнес-эффекта.
• Наши ожидания:
• 7+ лет в области науки о данных или разработки моделей, из них 2+ года в роли ведущего специалиста или технического руководителя;
• Глубокая техническая экспертиза в машинном обучении: уверенное владение современными архитектурами (трансформеры, градиентный бустинг, рекомендательные системы), методами оценки моделей, статистическими подходами;
• Практический опыт работы с большими языковыми моделями: тонкая настройка, построение систем на основе баз знаний, оценка качества генерации, снижение галлюцинаций;
• Уверенное владение Python и ключевыми библиотеками для работы с данными и моделями (PyTorch, scikit-learn, pandas и аналоги);
• Опыт вывода моделей в промышленную эксплуатацию: понимание полного цикла от исследования до работающего решения;
• Опыт работы с финансовыми или временными рядами данных будет значительным преимуществом.
• Будет плюсом:
• Публикации, выступления на профессиональных конференциях или значимые открытые проекты;
• Опыт в задачах финансового домена: оценка рисков, обнаружение аномалий, персонализация инвестиционных рекомендаций, анализ клиентского поведения;
• Опыт построения систем оценки качества языковых моделей (автоматические метрики, оценка с помощью модели-судьи);
• Знакомство с требованиями к объяснимости и аудируемости моделей в регулируемой отрасли.

Что предлагаем