Data Scientist
-Выбор и построение подходящих математических моделей для решения поставленных задач
top_selection На сервисе с: 07.10.26 13:14
#senior #300k #удаленка
Top Selection
Data Scientist
от 300 000 до 320 000 ₽ за месяц
Формат работы: можно удалённо
☑️ Чем предстоит заниматься
-Выбор и построение подходящих математических моделей для решения поставленных задач
-Выбор оптимальной архитектуры решения задач продукта
-Выявление слабых мест продукта и их устранение
-Поиск точек роста продукта
-Синтез оптимальных математических моделей для решения задач продукта
-Тесное взаимодействие с бизнес-заказчиком, консультантами и командой
-Постановка и проведение АА/АБ/АБN - экспериментов
-Ведение кодовой базы продукты и поддержание его на стабильном высоком уровне
-Постановка задач и контроль их исполнения другими аналитиками
-Cогласование решения задачи с руководством
-Презентация и защита результатов
-Менторинг Junior + Middle
☑️ Наши пожелания к кандидатам
-Профильное образование/наличие сертификатов по специализациям анализа данных и машинного обучения
-Опыт работы в области data science от 3 лет
-Рython (PEP 8)
-Способность писать код по заданным стандартам качества
-Знание стандартных алгоритмов и структур данных
-Хорошее владение библиотеками для анализа данных, численных методов
-Умение писать оптимальный по времени и памяти код
-Сложность алгоритмов - дебаг и оптимизация кода
-Разработка через тестирование
-Свободное владение ООП
-Опыт проектирования архитектуры проектов
-Проектирование расписания процессов (airflow, cron)
-Передача проекта в production
-Опыт работы с CI/CD
-Работа с данными: SQL на базовом уровне (join, group by)
-Опыт работы с реляционными БД
-Опыт работы на PySpark (broadcast join и тд, Spark UI)
-Иметь недоверие к данным, проверять их на корректность перед использованием
-Умение реализовать любой запрос
-Знание оконных функций
-Умение определить неоптимальный запрос
-Знание преимуществ и недостатков различных типов баз данных
-Опыт разработки ETL пайплайнов
-Умение разработать структуры БД
-Умение работать с планом запроса
-Транзакции/ACID/Индексы
-Знаком с базовой теорией вероятности и статистикой
-Знаком с понятиями АБ-тестирования и проверкой гипотез
-Умение решать простые задачи по теории вероятности, статистике, логике
-Знание классических методов ML
-Знание полного цикла проведения АБ теста
-Продвинутое владение аппаратом проверки гипотез: множественная проверка гипотез, параметрические/непараметрические методы, бутстреп
-Изучение и имплементация продвинутых моделей ML: байесовские модели/PGM/VBI, RL и прочее
-Знание методов снижения дисперсии в экспериментах
-Обладать интуицией по возникновению шумов в данных и определению независимых групп
-Умение анализировать эффекты без контрольных и тестовых групп
-Опыт написания статей, выступлений на конференциях
-Опыт работы с хорошо описанными задачами
-Опыт построения аналитических отчётов с заданными требованиями
-Опыт презентаций аналитических изысканий, проверенных гипотез и тд
-Погружение в метрики продукта: понимание основных метрик продукта и их особенностей, перевод бизнес задач в DS/DA/DE и декомпозиция комплексных бизнес-задач, построение прокси-метрик продукта
-Умение формировать новые направления для исследований
-Умение определить слабые/сильные стороны бизнес-логики продукта
-Опыт консультирования и работы в плотную с продактом или бизнес-заказчиком
-Опыт декомпозиции бизнес целей в истории для анализа, оценки сроков решения задач
-Умение поставить задачу мидлу
-Стек: Python; SQL; визуализация данных (matplotlib, seaborn, plotly / BI - инструмента); Git; PyTest; Spark 2.2+; Grafana/Airflow; Docker; Kubernetes (K8S)
Контакты: ••••••••
🔥 •••••••• / •••••••• / ••••••••
Похожие вакансии Data Science & ML
Проекты связаны с разработкой скоринговых моделей для розничного бизнеса, а также банковских корпоративных функций.
- Работа предполагает чистую разработку, построение ML-моделей.
- Уверенное владение Python и SQL.
- Классический ML: Хорошие знания алгоритмов. Бустинги, деревья, логистическая и линейная регрессия, кластеризация, uplift и ранжирующие модели, работа с дисбалансом, калибровка. Уверенное владение Python и SQL.
- Классический ML: Хорошие знания алгоритмов. Бустинги, деревья, логистическая и линейная регрессия, кластеризация, uplift и ранжирующие модели, работа с дисбалансом, калибровка.
- Формат: удаленка или гибрид
- Оформление: по ТК РФ, «белая» зарплата + бонусы.
- ДМС (стоматология) + страхование жизни.
- Оплата сертификаций и курсов (Coursera, Udemy и др.).
Работаем на рынке более 10 лет, с 2013 года успешно решая задачи любой сложности в рамках цифровой трансформации для крупного бизнеса. Среди заказчиков Selecty более 300 компаний из списка РБК Топ-500. Расскажите нам о себе и мы обязательно свяжемся с вами!
#senior #удаленка
Контур
Data scientist по ИИ-агентам, senior
Опыт работы: более 6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
☑️ Чем предстоит заниматься
-Проектировать и реализовывать агентное ядро — turn-loop, оркестрацию tool-calling, управление подагентами, контекст-менеджмент: компакция и токен-бюджеты, промпт-архитектура, устойчивый роутинг моделей с graceful degradation
-Разрабатывать плагинную архитектуру для интеграции с внешними B2B-системами — писать MCP-серверы, обеспечивать безопасное исполнение кода в песочницах, строить абстракции над LLM-провайдерами Anthropic, OpenAI, Bedrock, Vertex через LiteLLM и собственные прокси
-Оркестрировать мультиагентные workflow — проектировать взаимодействие агентов на собственной архитектуре, адаптированной под доменную специфику
-Разрабатывать систему оценки качества — создавать eval-гейты, бенчмарки для агентов, инструменты для трассировки и отладки
☑️ Наши пожелания к кандидатам
-Опыт создания production-агентных систем, построения мультиагентных рантаймов с подагентами, планировщиками, динамическим роутингом моделей. Важен опыт разработки сложных отказоустойчивых систем, а не просто цепочки из нескольких вызовов
-Опыт разработки на Python, TypeScript, Bun или Node.js
-Опыт интеграции с LLM-провайдерами — работа с OpenAI API, Anthropic, AWS Bedrock, Vertex AI, использование или написание собственных шлюзов на базе LiteLLM. Понимание нюансов кэширования, стриминга, retry-политик
-Опыт работы с LangChain или LangGraph, CrewAI, Agno, LlamaIndex или OpenAI/Anthropic Agents SDK, а также с MCP (••••••••/sdk). Понимание их ограничений и готовность создавать собственные решения, если опенсорс не закрывает доменные требования
-Опыт построения системы оценки и мониторинга, настройки трассировки с помощью OTel или Langfuse, внедрения eval-гейта, разработки бенчмарков для агентов, умение измерять качество и надежность
-Опыт технического лидства на уровне больших фичей или продукта
-Готовность писать как высокоуровневую архитектуру, так и низкоуровневый код для работы с SDK Anthropic и OpenAI и прокси-слоями
Контакты: •••••••• / Telegram ••••••••
🔥 •••••••• / •••••••• / ••••••••
Ищем ML Engineer для нашего клиента — российской IT-компании, специализирующейся на кибербезопасности, исследовании угроз и разработке собственных продуктов защиты информации. Компания развивает новое продуктовое направление и создает решения для анализа угроз и защиты конечных устройств.
Чем предстоит заниматься:
- Внедрение ML- технологий в существующие процессы и продукты;
- Разработка тестовых сценариев и оценка качества моделей в соответствии с целевыми метриками;
- Обучение, валидация и тестирование ML-моделей;
- Оптимизация моделей для работы с учетом ограничений целевого устройства;
- Подготовка моделей к интеграции и участие в процессе их внедрения;
- Тесное взаимодействие с командой Embedded при интеграции ML-решений.
Требования:
- Коммерческий опыт работы с Machine Learning и Deep Learning;
- Уверенное владение Python и PyTorch;
- Опыт production-внедрения ML-моделей: обучение, валидация, deployment и последующий мониторинг качества;
- Практический опыт работы с поведенческими моделями, anomaly detection и/или задачами классификации;
- Понимание современных архитектур глубокого обучения: Transformers, LSTM, GNN. Не требуется production-опыт с каждой архитектурой — важны понимание принципов их работы, областей применения и практический опыт хотя бы с частью из них;
- Опыт работы с метриками качества ML-моделей, понимание FPR (False Positive Rate) будет преимуществом;
- Практический опыт работы с Docker и Git.
-
Официальное трудоустройство, работа в аккредитованной IT-компании;
-
Оплата питания;
-
Доплата за отпуск до оклада 6-8 недель в год;;
-
Оплачиваемый больничный 100% 14 дней в год, а так же 5 day off в год по согласованию с руководителем;
-
Офисный формат работы с 09:30 до 18:30 с перерывом на обед: комфортный офис класса А рядом с метро, массажные кресла, фрукты, десерты, настольный теннис.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.