Staff Data Scientist

Что предстоит делать

<h3><strong>Обзор компании</strong></h3><p>Robots &amp; Pencils — это инжиниринговая компания в области прикладного AI, создающая следующий рубеж бизнес-архитектуры. Мы проектируем и внедряем AI-сотрудников, которые интегрируются в корпоративные операции и приносят измеримые результаты нашим клиентам. Мы полностью сфокусированы на AWS, сочетая глубокую экспертизу в UX с талантом старших инженеров, чтобы быстро выводить AI в продакшн и удерживать его там.<br>Мы заслужили доверие лидеров в сферах потребительских товаров и ритейла, образования, энергетики, финансовых услуг, здравоохранения, производства и многих других, а также репутацию гибкой альтернативы традиционным глобальным системным интеграторам. Основанная в 2009 году, с центрами разработки в Канаде, США, Восточной Европе и Латинской Америке, мы меньше, быстрее и более опытны по своей сути. Средний опыт наших команд — 15+ лет. Мы движемся быстро, уделяем внимание деталям и создаём вещи, которые действительно работают.</p><h3><strong>Обзор позиции</strong></h3><p>В роли Staff Data Scientist вы отвечаете за моделирование в рамках наших самых сложных задач в области AI и машинного обучения: формулирование неоднозначных бизнес-вопросов, построение и валидацию моделей и их вывод в продакшн. Вы обладаете глубокой прикладной экспертизой в ML и статистической строгостью, инженерным чутьём для масштабного внедрения и авторитетом, чтобы объяснить всё это аудитории руководителей.</p><p>Вы будете работать вместе с учёными, дата-инженерами, разработчиками и продуктовыми партнёрами в рамках клиентских проектов, с реальной автономией в техническом направлении. Вы задаёте стандарт научной строгости, наставляете младших дата-сайентистов и процветаете там, где задача неоднозначна, данные грязны, а решение должно работать в продакшне.</p><h3><strong>Почему эта роль важна</strong></h3><p>Staff Data Scientists — это те, благодаря кому обещание Robots and Pencils «AI, готовый к продакшну за 30–45 дней» подкрепляется доказательствами. В проектах, которые вы ведёте, вы решаете, какой подход стоит разрабатывать, как измеряется успех и готова ли модель для реальных пользователей. Работа движется лишь настолько быстро, насколько кто-то готов взять на себя ответственность за науку, проверить гипотезу и внедрить результат.</p><h3><strong>Что вы будете делать</strong></h3><h3><strong>Мастерство и реализация</strong></h3><ul><li>Проектировать, строить и оценивать предиктивные и прескриптивные модели в таких областях, как поведение клиентов, операционная эффективность и персонализация</li><li>Применять машинное обучение, глубокое обучение и статистические методы для решения реальных бизнес-задач</li><li>Вести сквозные проекты в области ML и GenAI с высокой степенью неоднозначности, масштаба и сложности — от proof of concept до продакшна</li><li>Строить, оптимизировать и развёртывать модели в продакшне, работая с учёными и программными инженерами над созданием долговечных решений</li><li>Выстраивать масштабируемые автоматизированные процессы для крупномасштабного анализа данных, разработки моделей, валидации и обслуживания</li><li>Проводить A/B и многофакторные эксперименты и применять причинно-следственный вывод для валидации гипотез и измерения эффекта</li></ul><h3><strong>Сотрудничество и коммуникация</strong></h3><ul><li>Анализировать большие сложные наборы данных и превращать находки в чёткие стратегические рекомендации</li><li>Объяснять научную методологию и результаты технической и нетехнической аудитории, используя визуализацию данных, которая доносит суть</li><li>Работать в партнёрстве с продакт-менеджерами и бизнес-стейкхолдерами для выявления возможностей и формулирования решений на основе data science</li><li>Тесно сотрудничать с дата-инженерами, аналитиками и разработчиками ПО для создания масштабируемых приложений на основе данных</li></ul><h3><strong>Лидерство и влияние</strong></h3><ul><li>Выступать в роли технического практика в области AI/ML, возглавляя работу в своей команде и в других командах</li><li>Исследовать новые и инновационные научные подходы и привносить лучшие из них в клиентские проекты</li><li>Наставлять младших дата-сайентистов, поддерживая их техническое развитие и научную строгость</li><li>Создавать переиспользуемые активы, инструменты и процессы, повышающие скорость и результативность команды</li></ul><h3><strong>Что вы принесёте</strong></h3><ul><li>5+ лет профессионального опыта в data science, статистике и прикладном машинном обучении, включая 3+ года построения моделей для бизнес-приложений</li><li>PhD или степень магистра с 4+ годами опыта в области Computer Science, Computer Engineering, Machine Learning, Statistics, Mathematics, Engineering или смежной количественной области</li><li>Глубокое владение Python или R, с сильными навыками работы с библиотеками вроде scikit-learn и TensorFlow/PyTorch, а также свободное владение моделями, алгоритмами и онтологиями</li><li>Опыт программирования на Java, C++ или смежном языке</li><li>Подтверждённый опыт в статистическом моделировании, прогнозировании временных рядов, NLP или оптимизации</li><li>Опыт в одной или нескольких из следующих областей: алгоритмы и структуры данных, парсинг, численная оптимизация, data mining, параллельные и распределённые вычисления или высокопроизводительные вычисления</li><li>Опыт проектирования и анализа контролируемых экспериментов (например, A/B-тестирование, uplift-моделирование)</li><li>Подтверждённый успех в развёртывании моделей в продакшне с использованием API, пайплайнов или ML-фреймворков</li><li>Практический опыт с Databricks, AWS (SageMaker) и Snowflake</li><li>Опыт построения и развёртывания архитектур Data Mesh</li></ul><h3><strong>Полезные дополнительные и уникальные навыки</strong></h3><ul><li>Опыт работы с Palantir</li><li>Сертификации AWS cloud или специализированные сертификаты по ML</li></ul><h3><strong>Вам будет хорошо здесь, если вы</strong></h3><ul><li><strong>Деятель.</strong> Вы видите, что что-то сломано, и чините это. Вы предпочтёте двигаться вперёд с ясностью, чем ждать определённости.</li><li><strong>Быстро учитесь и знаете, что знаете не всё.</strong> Ландшафт AI меняется еженедельно. Вы достаточно опытны, чтобы знать лучше, и достаточно любопытны, чтобы продолжать учиться.</li><li><strong>Прямы так, что это делает работу лучше.</strong> Вы даёте честную обратную связь. Вы предпочтёте трудный разговор, чем пускать пыль в глаза.</li><li><strong>Одержимы мастерством.</strong> Вы знаете, что гений кроется в деталях. Вы выпускаете исключительное, а не идеальное, и не ставите своё имя на работу, за которую не готовы отвечать.</li><li><strong>Созданы для ответственности.</strong> Вы чтите обязательства, быстро признаёте ошибки и поддерживаете товарищей по команде, когда решение чего-то стоит. Никаких передач задач, никаких перекладываний вины.</li><li><strong>Полностью вовлечены.</strong> Вы относитесь к бизнесу клиентов как к своему собственному. Вы серьёзно относитесь к работе, но не к себе.</li><li><strong>Находчивы, когда бюджет, сроки или команда ограничены.</strong> Ограничения вас не замедляют. Они вас оттачивают.</li><li><strong>Спокойны, когда становится жарко.</strong> Когда объём работ, сроки и стейкхолдеры тянут в три стороны, вы замедляете комнату настолько, чтобы принять правильное решение. Вы предпочтёте поднять трудный компромисс на второй неделе, чем поглотить его на восьмой.</li><li><strong>Рады быть в комнате с людьми, которым не всё равно так же, как вам.</strong> Средний опыт наших команд — пятнадцать с лишним лет. Мы нанимаем людей, которые подталкивают друг друга делать работу лучше.</li></ul><h3><strong>Мы предлагаем</strong></h3><ul><li>20 дней оплачиваемого отпуска.</li><li>15 дней неоплачиваемого отпуска.</li><li>Все официальные государственные праздники — выходные.</li><li>5 оплачиваемых дней больничного без справки от врача.</li><li>Медицинская страховка.</li><li>Поддержка отсрочки от воинского призыва (бронирование).</li><li>Сотрудничество по gig-контракту.</li></ul> <div> <a href="https://jobs.dou.ua/companies/robots-and-pencils/vacancies/377298/#reply-btn-id">Откликнуться на вакансию</a> </div>