Ученый по данным / Data Scientist

Что предстоит делать

Навыки: Машинное обучение. Специализации: Ученый по данным. **Задачи и обязанности:** - Разработка и внедрение моделей машинного обучения; работа с временными рядами, аномалиями, ранжированием и признаками реальных процессов **Требования:** - Опыт работы в data science / machine learning от 2-х лет - Глубокое понимание классического машинного обучения: линейные модели, деревья решений, ансамбли, кластеризация, feature engineering - Опыт разработки рекомендательных систем: матричная факторизация, контентные и коллаборативные подходы, трансформеры, двухэтапные архитектуры (retrieval + ranking) - Уверенный опыт работы с градиентным бустингом (CatBoost, LightGBM, XGBoost) и пониманием их внутренних механизмов - Опыт работы с временными рядами - Знание теории вероятности, математической статистики и линейной алгебры в прикладном контексте - Умение проверять статистические гипотезы, работать с доверительными интервалами, оценивать значимость признаков - Понимание принципов валидации моделей на временных данных, борьбы с data leakage и переобучением - Знание методов ранжирования, метрик ранжирования (NDCG, MRR, MAP) и метрик оценки рекомендательных систем (HitRate@K, Recall@K, Coverage, Diversity) - Понимание подходов к решению проблемы cold-start и работе с bias в рекомендациях - Опыт интерпретации моделей - Уверенное знание Python на уровне ООП (+ классический набор библиотек: pandas, numpy, scikit-learn, matplotlib/seaborn/plotly) - Умение обучать и дообучать модели на GPU - Базовые знания SQL и работы с промышленными/реляционными базами данных - Понимание специфики промышленного ML: дрейф данных, мониторинг качества - Опыт запуска ML в прод — понимание принципов сервинга моделей: Docker, Kubernetes, базовое понимание CI/CD - Желание глубоко погрузиться в доменную область **Будет преимуществом:** - Знакомство с MLOps-инструментами: MLflow, DVC, Kubeflow, KServe - Опыт взаимодействия с инженерами, технологами и продукт-командой, умение переводить бизнес-требования в ML-задачи - Опыт проведения A/B-тестов и дизайна экспериментов для оценки эффективности моделей **Мы предлагаем:** - Работу в команде экспертов. - Широкий технологический стек, сотни проектов. - Гибкий график работы, который позволяет высыпаться и выделять время на хобби. - Льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры*). - Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии. - У нас выстроены процессы удаленной работы, при этом есть просторные офисы с зонами коворкинга, где можно с комфортом пообщаться, поиграть в настолки или в тишине обдумать рабочие задачи. - Возможность прокачаться во всех интересующих направлениях. - Развитую систему наставничества, сертификацию за счёт компании, участие в конференциях, изучение английского языка. - Активный обмен опытом, внутренние и внешние митапы по разработке, хакатоны, доклады по развитию hard и soft skills. - 50+ клубов по интересам и профессиональных сообществ внутри компании. - Уютный мерч. - Полный соцпакет и «белую» зарплату. - Корпоративную базу знаний и социальную сеть для удобства общения с каждым из 1500+ сотрудников. - Гибкую систему бонусов, которая настраивается под индивидуальные потребности: различные уровни ДМС, оплата обучения и занятий любыми видами спорта. - Заботу о ментальном здоровье: онлайн-консультации с психологом. ** Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации, осуществляющей деятельность в области информационных технологий от 10.03.2022 №АО-20220309-3771014210-3*