Старший Data Scientist

Что предстоит делать

Кто мы В Bennett Data Science мы уже более десяти лет являемся пионерами в области предиктивной аналитики и науки о данных для некоторых из крупнейших брендов и ритейлеров. Мы находимся на вершине нашей области, потому что сосредоточены на предоставлении клиентам практического ИИ. Наш глубокий опыт и подход, ориентированный на продукт, отличают нас от других групп и приносят те бизнес-результаты, которых хотят наши клиенты. Почему вам стоит работать с нами Вы познакомитесь с широким кругом клиентов, которые находятся на переднем крае инноваций в своей области, и получите возможность работать над увлекательными задачами, поддерживая реальные продукты с реальными данными. Мы помогаем многим компаниям — от одних из крупнейших компаний мира до небольших стартапов в Кремниевой долине, которые создают следующий большой прорыв. Наставничество экспертов: прямое руководство от старших специалистов с более чем 20-летним опытом применения ML Конкурентоспособная оплата: оплата по рыночным ставкам с возможностью получения бонусов за результаты Полная удалёнка: работайте из любого места по вашему выбору, по гибкому графику Роль: Мы ищем старшего специалиста по данным (Senior Data Scientist) для поддержки проектирования, разработки, валидации и внедрения в производство продвинутого решения для прогнозирования. Это практическая роль, требующая сильного статистического мышления, практического опыта моделирования и способности превращать аналитические выводы в четкие рекомендации. Успешный кандидат будет тесно работать с командами по науке о данных, инженерии данных и бизнес-заинтересованными сторонами на протяжении всего жизненного цикла моделирования: от исследовательского анализа и разработки моделей до развертывания, документирования и передачи решения. Ключевые обязанности Разрабатывать, оценивать и улучшать модели прогнозирования с использованием Python. Устанавливать соответствующие базовые показатели (baselines) и сравнивать альтернативные подходы к моделированию. Разрабатывать строгие фреймворки для временного бэктестинга и валидации моделей. Разрабатывать методы работы с ограниченным объемом исторических данных, изменяющимися паттернами и структурными сдвигами. Создавать интервалы прогноза и другие показатели неопределенности прогноза. Выявлять, тестировать и отслеживать потенциальные драйверы прогноза. Разрабатывать настраиваемые возможности для сценарного планирования и анализа чувствительности. Создавать диагностику моделей и индикаторы раннего предупреждения. Писать модульный, протестированный, поддерживаемый и хорошо документированный код. Сотрудничать с инженерией данных по вопросам производственных пайплайнов, отслеживания моделей и автоматизированных запусков прогнозов. Объяснять результаты моделей, допущения, ограничения и изменения техническим и нетехническим заинтересованным сторонам. Поддерживать техническую документацию, передачу знаний и финальную передачу решения. Обязательные требования Пять или более лет профессионального опыта в области науки о данных, прикладной статистики, эконометрики, прогнозирования или смежной области. Сильный практический опыт разработки решений для прогнозирования или предиктивного моделирования. Продвинутые навыки работы с Python и SQL. Глубокие знания регрессионного анализа, методов анализа временных рядов, проектирования признаков (feature engineering), анализа остатков и оценки неопределенности. Опыт разработки скользящего или временного бэктестинга и предотвращения утечки данных (data leakage). Способность отличать значимые предиктивные сигналы от нестабильных или ложных корреляций. Опыт разработки производственного кода для аналитики с использованием систем контроля версий и стандартных практик разработки ПО. Развитые навыки аналитической коммуникации и управления заинтересованными сторонами. Способность работать самостоятельно и достигать результатов в рамках установленных сроков проекта. Желательные требования Опыт разработки инструментов для сценарного планирования или поддержки принятия решений. Опыт работы с небольшими историческими выборками или значительными изменениями в базовых паттернах данных. Знакомство с Microsoft Fabric, Azure, MLflow или аналогичными облачными аналитическими платформами. Опыт внедрения моделей прогнозирования в производство и реализации постоянного мониторинга производительности. Опыт представления аналитических результатов финансовому отделу или высшему руководству.