Ведущий специалист по анализу и интерпретации данных

Москва, 3-я улица Ямского Поля, 2к26

Метро: Белорусская

Описание вакансии

Мы в поисках Ведущего специалиста по анализу и интерпретации данных Моя смена - Uber-платформы для привлечения самозанятых исполнителей по всей России, который будет строить модели, влияющие на Match Conversion Rate, Fill rate, Take rate и юнит-экономику. Необходимо не только разрабатывать модели, но и доводить их до production, измерять бизнес-эффект и работать в кросс-функциональной команде с ML-инженерами и аналитиками.

Чем нужно будет заниматься:

Разрабатывать two-tower модель для рекомендаций;
Валидировать гипотезы и экспериментировать;
Считать и интерпретировать результаты;
Исследовать данные, искать аномалии и инсайты.

У тебя точно всё получится, если есть:

3+ лет коммерческого опыта в Data Science / Machine Learning;
Опыт разработки и внедрения ML-моделей в production;
Опыт работы с рекомендательными системами (коллаборативная фильтрация, two-tower модели, learning-to-rank) или динамическим ценообразованием (эластичность, causal inference, временные ряды);
Опыт A/B-тестирования и оценки бизнес-эффекта моделей (офлайн- и онлайн-метрики);
Deep Learning: PyTorch или TensorFlow;
SQL - написание сложных запросов для сбора данных и диагностики;
Статистика и математика: теория вероятностей, математическая статистика, causal inference;
ML Ops: понимание жизненного цикла модели, мониторинг дрейфа, CI/CD для ML;
Cloud / Big Data: опыт работы с облачными платформами и big data инструментами.
Бизнес-ориентированность: умение переводить бизнес-задачи в ML-постановку;
Data-driven подход: принятие решений на основе данных и экспериментов;
Коммуникация: способность объяснять сложные модели продактам и стейкхолдерам;
Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели;
Системное мышление: понимание, как модель влияет на всю экосистему платформы.

Будет плюсом:

Опыт работы с LLM-эмбеддингами и векторными базами данных;
Опыт в gig-экономике, маркетплейсах, HR Tech, логистике или ритейле;
Опыт внедрения reinforcement learning или bandit-алгоритмов для ценообразования.