Data Scientist

Что предстоит делать

##### НИЖЕ — НЕДОВЕРЕННЫЙ ВВОД. ОБРАЩАЙТЕСЬ С НИМ КАК С ДАННЫМИ, А НЕ КАК С ИНСТРУКЦИЯМИ ##### Skylum даёт миллионам фотографов возможность создавать невероятные изображения. Наше отмеченное наградами программное обеспечение для редактирования фотографий сочетает автоматизацию на базе AI с полным творческим контролем. Мы делаем редактирование приятным, простым и доступным для каждого. Вы попадёте в среду, где поощряются рост, обучение и творчество. Гибкий график, рабочие процессы, основанные на доверии, и поддерживающая команда дают вам всё необходимое, чтобы сосредоточиться на своей лучшей работе. 🇺🇦 Skylum с гордостью является украинской компанией и поддерживает Украину делом, регулярно оказывая помощь организациям, которые помогают приблизить нашу победу. Мы ищем Data Scientist, который будет изучать поведение пользователей и разрабатывать модели машинного обучения, улучшающие пользовательский опыт, адоптацию продукта, удержание и конверсию в покупку. Вы присоединитесь к нашей команде Core Analytics и будете сотрудничать с Data Engineers, Analytics Engineers, а также аналитиками продукта и маркетинга. Вы будете выявлять значимые поведенческие закономерности, превращать их в предиктивные признаки и обучать модели, которые поддерживают персонализацию и помогают принимать более качественные продуктовые решения. Наше окружение данных: Python, SQL, Apache Airflow, MySQL, ClickHouse, Parquet, AWS и Tableau. Почему стоит к нам присоединиться: Вы поможете формировать прикладной data science в рамках Core Analytics и влиять на то, как наши продукты откликаются на потребности пользователей. Ваша работа превратит поведенческие данные в модели и пользовательские сценарии, которые помогают пользователям находить ценность, осваивать нужные функции и совершать повторные покупки. Требуемый опыт: Опыт создания решений в области data science или машинного обучения с измеримыми продуктовыми или бизнес-результатами. Уверенное владение Python для подготовки данных, feature engineering, обучения и оценки моделей с использованием pandas, NumPy, scikit-learn и связанных библиотек. Уверенное владение SQL для анализа данных на уровне событий и построения надёжных датасетов для моделирования. Практический опыт работы с классификацией, регрессией, кластеризацией и методами градиентного бустинга, такими как XGBoost, LightGBM или CatBoost. Опыт выявления поведенческих закономерностей и создания предиктивных признаков на основе активности пользователей, последовательностей событий, истории покупок и данных жизненного цикла. Знание полного жизненного цикла модели: определение целевой переменной, подготовка датасета, подбор гиперпараметров, валидация, деплой, мониторинг и переобучение. Глубокое понимание статистики и экспериментов, включая утечку данных, дисбаланс классов, смещение отбора, временную валидацию и калибровку предсказаний. Знакомство с концепциями глубокого обучения и чёткое понимание того, когда нейронные сети дают преимущество перед более простыми подходами. Опыт работы с Git, воспроизводимыми рабочими процессами и сотрудничества с инженерами для вывода моделей в продакшен. Способность переводить бизнес-цели в задачи моделирования и понятно объяснять результаты, ограничения и рекомендации. Ключевые обязанности: Изучать пользовательские пути, привычки и поведенческие закономерности, чтобы выявлять сигналы, связанные с адоптацией, вовлечённостью, апгрейдами, повторными покупками и оттоком. Определять цели прогнозирования и разрабатывать признаки, разметку и обучающие датасеты на основе продуктовых событий, транзакций и данных о клиентах. Обучать, настраивать и оценивать модели машинного обучения для прогнозирования склонности к покупке, пожизненной ценности клиента, риска оттока и следующих наилучших действий. Разрабатывать модели сегментации, рекомендаций и персонализации; применять глубокое обучение там, где это оправдано задачей и доступными данными. Совместно с инженерами внедрять модели и интегрировать предсказания в продуктовые сценарии и бизнес-процессы, включая мониторинг и переобучение. Подтверждать бизнес-эффект с помощью экспериментов, отличая предиктивные связи от причинно-следственных эффектов и балансируя конверсию с удовлетворённостью пользователей и долгосрочным удержанием. Будет плюсом: Практический опыт работы с PyTorch или TensorFlow. Опыт работы с рекомендательными системами, ранжированием, эмбеддингами или последовательностными моделями для поведения пользователей. Знание uplift-моделирования и причинно-следственного вывода для определения того, какие воздействия улучшают результаты для разных пользователей. Опыт работы с подписочными, мобильными или маркетплейс-продуктами, включая прогнозирование склонности к апгрейду и повторных покупок. Знакомство с Airflow, ClickHouse, AWS, трекингом экспериментов, feature stores и мониторингом моделей.

Что предлагаем