Senior Data Scientist, Delivery Consumer Discovery

On-site at the Tallinn HQ, working alongside operations and engineering teams.

↑ Вакансия с автоподнятием
Зарплата не указанаГерманияЭстонияРумынияBerlin
Текст:
Оригинал доступен только пользователям с подпиской

Location

On-site at the Tallinn HQ, working alongside operations and engineering teams.

About the company

A fast-growing tech company operating a global delivery and mobility platform across 50+ countries and 850+ cities, serving over 200 million customers with the help of millions of partners and thousands of employees.

Responsibilities

  • Own ranking and recommender systems for the home screen and other personalised surfaces, covering learning-to-rank for categories and merchants, personalised recommenders, cold-start and exploration, and screen assembly.
  • Build recommendation experiences that help customers discover new restaurants, stores and items, and turn business targets and guardrails into ranking objectives without sacrificing customer relevance.
  • Design and run A/B tests to measure the impact of ranking and personalisation changes, and take models from research through offline evaluation to production, then monitor them.
  • Shape technical direction across candidate generation, features, logging and experimentation tooling, and explore sequential and generative recommenders, shipping them only where they add value.

Requirements

  • 5+ years in Data Science and ML, ideally building products at a tech company, with the ability to drive technical direction rather than only deliver models.
  • Hands-on experience with large-scale ranking, recommender or personalisation systems; search and IR experience is a plus.
  • Strong Python and SQL plus PyTorch and the core ML stack (Pandas, NumPy, scikit-learn), with experience in several of: learning-to-rank, collaborative filtering, two-tower or sequential models, embeddings and vector search, gradient boosting, multi-objective optimisation.
  • Solid grounding in experimentation, statistical inference and offline/online evaluation, strong product sense, and end-to-end ML system delivery from problem discovery to production impact.

Похожие вакансии Data Science & ML

Соц.сети

Data Analyst / Data Scientist

Зарплата не указанаКазахстанАлматыОфис

Data Analyst / Data Scientist в команду ••••••••!

В поиске тех кому интересны продуктовая аналитика и Machine Learning.

Чем предстоит заниматься:
• Анализировать пользовательское поведение, покупательские паттерны и товарные предпочтения;
• Разрабатывать и улучшать ML-модели для персонализации и рекомендательных систем;
• Проводить сегментацию пользователей, готовить данные и выполнять EDA;
• Анализировать результаты A/B-тестов, продуктовые метрики и искать точки роста конверсии и продаж.

Что ожидаем:
• Знание Python (pandas, numpy, sklearn) и уверенное владение SQL (JOIN, GROUP BY, оконные функции);
• Понимание основ Machine Learning, математической статистики и теории вероятностей;
• Понимание A/B-тестирования и продуктовых метрик (CR, Retention, CTR);
• Навыки анализа данных, интерпретации результатов и самостоятельного решения задач.

📍 Алматы
🏢 Full-time, офисный формат.

📩 Отправляй CV с сопроводительным письмом(опыт по стеку, ЗП ожидания) на почту ••••••••

hh.ru
twinby

Data Scientist / ML Engineer (Trust & Safety)

twinby
Зарплата не указанаРоссияСанкт-ПетербургУдалёнка

О роли

Twinby — один из крупнейших российских дейтинг-сервисов с миллионами пользователей. Где люди знакомятся, там появляются боты, фейковые профили, скамеры и спамеры. Мы ищем Data Scientist / ML Engineer в направление Trust & Safety — человека, который отвечает за то, чтобы в продукте было безопасно и честно: меньше ботов, фейков, скама и спама, и при этом честные пользователи не страдают от лишних блокировок.

Чем предстоит заниматься

  • Исследовать аномалии и новые схемы фрода — регистрации, верификация, жалобы, промо.

  • Определять, что считать «плохим», дорабатывать разметку.

  • Строить правила и модели: табличные, по фото и видео, по текстам. (NLP, CV, Classic ML)

  • Оценивать качество моделей, контролировать его в production.

  • Измерять эффект блокировок: проверять false positive, false negative.

  • Следить, чтобы решения продолжали работать: противник подстраивается, и то, что ловило месяц назад, может перестать. Контролировать drift.

  • Работать с модерацией, саппортом, продуктом и бэкендом и доводить решения до прода.

Что мы ждём

  • Опыт задач без чёткого таргета. Хотя бы один реальный случай, где ты сам определял, что считать целевым событием, собирал разметку или находил ей замену и довёл решение до прода. Домен не важен.

  • Сильную аналитику. Свободно исследуешь сырые данные в SQL, быстро проверяешь гипотезы, отличаешь реальный эффект от артефакта: смены трекинга, новой когорты из канала, сезонности, бага в релизе. Понимаешь базовую статистику и эксперименты.

  • ML в проде. Уверенно работаешь с моделями на табличных данных и несбалансированными классами, выбираешь порог через цену ошибки, а не через абстрактную метрику, умеешь мониторить модель и замечать деградацию.

  • Инженерную самостоятельность. Python на уровне продового кода; можешь сам написать пайплайн; понимаешь, как данные доезжают до модели (свежесть, задержки, пропуски); доводишь решение до прода вместе с бэкендом.

  • Прагматизм. Готов предложить правило или исправление данных вместо модели и объяснить, почему так лучше.

  • Ответственность. Объясняешь решения продукту, модерации и саппорту и помнишь, что за каждой ошибкой стоит живой человек: заблокированный честный пользователь или пропущенный мошенник.

Будет плюсом

  • Опыт с изображениями и видео (лица, liveness, поиск дублей), текстами, графами связей, поиском аномалий.

  • Опыт в антифроде, рисках, модерации контента, античите, рекламном антифроде, KYC.

Что для нас не важно

Конкретный домен, конкретный стек, Kaggle, учёные степени. Если ты находил и закрывал проблемы в грязных данных в логистике, банке, игре или маркетплейсе — перенесёшь.

Технический стек

Python, SQL, ClickHouse, Airflow; модели на бустингах и CV-модели в сервисах; векторный поиск по эмбеддингам. Инфраструктура — российское облако.

Что предлагаем

  • Владение исходом целиком: от сигнала до решения в проде и измеренного эффекта.

  • Мотивированного противника и богатую фактуру: фермы ботов, видео-верификация, скам в чате, промо-абьюз, качество трафика.

  • Автономию в выборе, что копать и чем закрывать.

  • Честный контекст: данные ещё выстраиваются, и ты влияешь на то, как они будут устроены.

  • Формат: удалёнка, РФ.

  • Оформление: ТК РФ

Соц.сети

Big Data Scientist

35 000 000–58 000 000 UZS (≈ 238k–394k ₽)УзбекистанТашкентОфис

#BigDataScientist
•••••••• is hiring a Big Data Scientist in Tashkent for a project developing an automated lending platform with ML-based credit scoring, predictive analytics, and improved credit risk assessment.

Location: Tashkent (onsite)
Work format: Office
Salary: •••••••• 58000000 UZS gross
English: From B1+

The project is focused on developing an automated corporate lending platform for businesses and individual entrepreneurs. It includes implementing ML-based credit scoring, predictive analytics, and a decision engine while optimizing underwriting processes to improve credit risk assessment, accelerate loan approvals, and enhance lending efficiency.

Requirements:
- Experience as a Data Scientist for 5+ years.
- Experience working with banking products and in the fintech industry.
- Hands-on experience with Python and PySpark.
- Experience developing credit scoring models (application and behavioral scoring) and Probability of Default (PD) models.
- Understanding of PD, LGD, and EAD metrics and their application in Expected Credit Loss (ECL) calculations under IFRS 9.
- Experience working with large-scale datasets.
- Strong SQL skills.
- Experience in model validation, including Gini, KS, PSI, and backtesting.

For all questions: ••••••••

👉 ••••••••

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.