Руководитель направления DS/ML

Что предстоит делать

• Формирование и развитие команды DS/ML: участие в найме, онбординг новых сотрудников;
• Распределение задач между специалистами, контроль нагрузки и сроков;
• Оценка эффективности сотрудников, разработка индивидуальных планов развития;
• Менторинг: код-ревью, повышение уровня компетенций команды;
• Определение технической стратегии направления: выбор моделей, фреймворков, инструментов и архитектурных решений;
• Проектирование и запуск ML-проектов полного цикла — от постановки бизнес-задачи до вывода модели в продакшн;
• Обеспечение качества решений: валидация моделей, A/B-тестирование, контроль метрик в проде;
• Разработка и внедрение стандартов: MLOps-практики, CI/CD для ML, версионирование данных и моделей, мониторинг;
• Декомпозиция задач, приоритизация бэклога.

Что ждём от вас

• Глубокое понимание классического DS/ML: линейные алгоритмы, деревья и ансамбли (XGBoost, LightGBM, CatBoost), кластеризация;
• Хорошее знание статистики: A/B-тестирование, оценка статистической значимости, байесовский подход, причинно-следственный анализ и т.д.;
• Уверенный Python (numpy, pandas, scikit-learn) и продвинутый SQL (оконные функции, оптимизация запросов);
• Практика полного цикла: от формулировки бизнес-задачи до отбора признаков, обучения, валидации, калибровки и интерпретации моделей;
• Умение выбирать метрики под задачу и определять качество моделей;
• Построение ML-пайплайнов и data pipeline: Airflow, ETL / ELT-процессы
• MLOps: версионирование данных и моделей (MLflow, DVC), оркестрация экспериментов, воспроизводимость;
• Деплой и поддержка моделей: контейнеризация (Docker, Kubernetes), мониторинг (дрейф данных, качество предсказаний, алертинг), стратегии переобучения.

Что предлагаем