Data Scientist (Senior)

Привет! Мы ищем Junior Data Scientist в дружную и высокопрофессиональную команду Business Data Science.

От нас – много интересных задач, прекрасный коллектив, потенциал для роста. От тебя – овладение нашим подклассом задач и необходимым для его решения инструментарием, при желании – решение нестандартных задач и участие в разработке внутреннего инструментария.

Чем мы занимаемся: регрессионные модели на бизнес-данных, помогающие клиентам из крупного и очень крупного бизнеса принимать критически важные для их работы решения.

Что предстоит делать:

• построение регрессионных моделей на бизнес-данных:

1. ETL – выгрузка и загрузка данных;
2. Preprocessing – предобработка данных;
3. Feature Engineering – формирование предикторов;
4. Modeling – построение модели, включая верификацию;
5. Reporting – подготовка отчёта по результатам моделирования.

• взаимодействие с внутренними и внешними заказчиками;
• участие в разработке внутреннего инструментария самого разного характера;
• другие нестандартные задачи.

Что мы от тебя ждем:

• опыт моделирования и/или работы с данными в рабочих или академических проектах;
• владение Python или R и соответствующими библиотеками для анализа данных;
• математический фундамент: представление о математической статистике, теории вероятностей, алгоритмах оптимизации и т.п.

Будет плюсом:

• интерес к разработке и программированию (есть задачи по созданию и развитию инструментария);
• опыт в бизнес-аналитике (бизнес-аналитик, маркетинговый аналитик, стратег) или хорошее понимание, как устроен бизнес;
• практическое представление о Git, CI/CD, Docker, ML Flow;
• умение презентовать результаты работы внутреннему и внешнему заказчику.

Обязанности:
• Участвовать в разработке и поддержке моделей кредитного риска для юридических лиц.
• Анализировать данные, создавать и отбирать признаки для моделей.
• Применять алгоритмы машинного обучения: линейные модели, случайный лес, градиентный бустинг.
• Тестировать новые источники данных и подходы к моделированию, включая анализ платежного поведения.
• Готовить аналитические материалы, участвовать в исследованиях и предлагать собственные идеи.

Будет преимуществом
• Знакомство с XGBoost, LightGBM, CatBoost или Apache Spark.
• Опыт работы с Hadoop, Hive, Impala или реляционными базами данных.

Требования:
• Высшее или незаконченное высшее образование в области математики, экономики, анализа данных или смежных направлениях.
• Базовые знания теории вероятностей, математической статистики и машинного обучения.
• Навыки работы с Python и библиотеками pandas, numpy, scikit-learn.
• Базовое знание SQL и понимание основных этапов подготовки данных.
• Готовность учиться, развиваться и работать в команде.

Условия:
• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
• Гибкий график работы: вы сможете планировать время так, как удобно вам и вашей команде
• Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи
• Сложные и интересные задачи, современный стек технологий
• Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
• Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
• Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
• Доступ к бесплатным корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданий

Мы ищем руководителя, с сильным техническим бэкграундом, который возглавит команду, определит архитектуру и обеспечит техническую реализацию проекта по направлению «Генеративный ИИ». Проект охватывает все этапы от исследования до промышленного внедрения.

Обязанности:

• Формирование и развитие команды: активный найм, онбординг, менторство, создание культуры инженерного совершенства;

• Техническое лидерство: проектирование архитектуры проекта (от инфраструктуры до кода), выбор технологического стека, ревью ключевых решений, контроль качества;

• Управление жизненным циклом моделей: координация процессов pre-training, SFT, RLHF/DPO, оценка качества (eval), мониторинг экспериментов;

• Оптимизация MLOps-пайплайнов: проектирование и автоматизация конвейеров данных, обучения, валидации и развертывания; обеспечение воспроизводимости экспериментов;

• Ресурсное планирование: распределение GPU-ресурсов, управление очередями заданий, оптимизация утилизации оборудования (включая I/O и память);

• Информационная безопасность: разработка и внедрение политик безопасной работы с данными и моделями в закрытом контуре, контроль соответствия требованиям ИБ;

• Взаимодействие со стейкхолдерами: координация с смежными командами и бизнес-подразделениями, регулярная отчетность о статусе и рисках.

Требования:

• Опыт работы в области ML / NLP от 5 лет, из них не менее 2 лет — на руководящих позициях (Team Lead, Tech Lead, Engineering Manager);

• Глубокое понимание архитектуры трансформеров, принципов обучения и инференса LLM;

• Практический опыт распределенного обучения (Distributed Training) с использованием DeepSpeed, Megatron-LM, FSDP, Ray;

• Уверенное владение Python, PyTorch, экосистемой Hugging Face;
• Опыт построения MLOps-пайплайнов на Kubernetes, Airflow и CI/CD;
• Понимание принципов работы с высоконагруженной GPU-инфраструктурой (оптимизация I/O, мониторинг, работа с очередями);

• Знание основ информационной безопасности при обработке больших данных в закрытых контурах;
• Опыт управления командой от 5 человек: найм, адаптация, постановка целей, развитие сотрудников.

Будет плюсом:

• Опыт запуска LLM-систем в production с нуля;

• Работа с узкоспециализированными (доменными) данными;

• Опыт оптимизации моделей: квантизация, дистилляция, pruning.

Условия:

• Работа в аккредитованной IT-компании (льготная ипотека и проч.);
• Оформление по ТК РФ и его полное соблюдение (оплачиваемые отпуска, больничные);
• ДМС со стоматологией с первых недель работы.