Data Scientist

Задачи:

• Разработка и внедрение ML-моделей для решения бизнес-задач компании (регрессия, классификация, рекомендательные системы);
• Проведение полного цикла работы с данными: сбор, очистка, feature engineering, построение pipeline;
• Проектирование и проведение A/B-тестов, анализ результатов экспериментов;
• Выбор и оптимизация метрик качества моделей, настройка гиперпараметров;
• Разработка и поддержка инференса моделей в продакшене (API, скрипты);
• Мониторинг качества работающих моделей, выявление деградации и своевременное переобучение;
• Работа с SQL-запросами для извлечения и анализа данных;
• Визуализация результатов анализа и подготовка презентаций для стейкхолдеров;
• Перевод бизнес-требований в технические задачи Data Science;
• Приоритизация задач в бэклоге, управление сроками и рисками мини-проектов;
• Документирование кода, моделей и процессов;
• Командная работа с аналитиками, инженерами и продакт-менеджерами;
• Поддержка code review и соблюдение best practices разработки.

Мы ожидаем от кандидата:

Образование и опыт:

• Высшее образование (бакалавр/магистр) в области математики, статистики, Computer Science или инженерных специальностей;
• Опыт работы Data Scientist/ML Engineer от 2 лет в продуктовой компании или консалтинге;
• Опыт участия в полном цикле разработки ML-решений: от работы с данными до внедрения модели в продакшен.

Технические навыки:

• Уверенное владение Python и основными библиотеками: NumPy, pandas, scikit-learn;
• Базовые знания PyTorch или TensorFlow;
• Уверенное владение SQL: написание JOIN, CTE, базовая оптимизация запросов;
• Опыт работы с инструментами визуализации данных (matplotlib, seaborn, plotly);
• Владение Git, написание чистого кода, базовые знания pytest.

ML-компетенции:

• Практический опыт работы с задачами регрессии, классификации, кластеризации;
• Навыки подготовки данных и feature engineering (работа с пропусками, категориальными признаками, масштабирование);
• Опыт тюнинга гиперпараметров (Grid/Random Search, early stopping);
• Понимание принципов A/B-тестирования и основных статистических тестов (t-test, χ²);
• Опыт разработки рекомендательных систем.

Аналитические навыки:

• Опыт дизайна экспериментов, проведения статистических тестов и power-анализа;
• Умение работать с продуктовыми метриками (CR, ARPU, LTV, retention);
• Грамотный выбор и интерпретация метрик качества моделей (ROC-AUC, PR-AUC, F1, calibration, uplift).

Продакшен и инфраструктура:

• Опыт разворачивания моделей в продакшен (скрипты, API на Flask/FastAPI);
• Навыки логирования и базового мониторинга метрик моделей.

Soft skills:

• Умение переводить бизнес-задачи в ML-постановки.
• Четкая коммуникация результатов для нетехнических аудиторий.
• Навыки визуального сторителлинга;
• Самостоятельность в ведении задач и управлении мини-проектами;
• Ответственность за сроки и результаты.

Будет плюсом:

• Опыт работы с gradient boosting библиотеками (XGBoost, LightGBM, CatBoost);
• Опыт работы с большими данными (Spark, Dask);
• Знание deep learning архитектур (CNN, RNN, трансформеры);
• Опыт работы с MLflow, DVC, Docker, Airflow/Prefect.

Что мы предлагаем:

• Профессиональный коллектив;
• Возможность работать над проектами, приносящими пользу для тысяч людей;
• Неограниченный рост;
• Комфортный офис в центре города;
• Скидки на фитнес, обучение английскому языку, подарки на праздники и дни рождения;
• Бонусы и уникальные предложения от компаний холдинга;
• Спонсирование профессионального обучения;
• Насыщенная корпоративная жизнь с выездами на природу, праздничными мероприятиями в офисе, играми и розыгрышами подарков.