- Страна
- Россия
Data Scientist
Оценка ИИИнтересный продукт в сфере кибербезопасности с международным охватом. Четкие требования и работа в Москве делают вакансию привлекательной для опытных специалистов, ценящих автономность и сложные аналитические задачи.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИПозиция требует не только сильных технических навыков в ML и SQL, но и высокого уровня владения английским языком для работы с клиентами, а также умения проводить глубокие расследования данных. Высокая планка по опыту (от 3 лет) и необходимость автономной работы повышают сложность роли.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для Data Scientist с опытом от 3 лет в Москве рыночный диапазон составляет от 250 000 до 400 000 рублей. Учитывая международный характер работы и требования к английскому, можно ожидать предложения по верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
*🎯 Data Scientist*
Офис (Москва) JuicyScore — проприетарный антифрод-продукт, работающий без использования персональных данных
Требования:
– Образование: высшее в математике / статистике / информатике.
– Опыт: от 3 лет коммерческого опыта в Data Science или аналитике данных, включая опыт самостоятельного анализа данных, проверки гипотез и построения моделей.
– ML-алгоритмы: уверенное знание классических ML-алгоритмов: логистическая регрессия, градиентный бустинг (XGB/LightGBM/CatBoost), Random Forest; понимание, как интерпретировать модели (SHAP, Feature Importance), и где это применимо.
– Работа с отчётами: умение делать клиентоориентированные отчёты: не просто таблицы, а выводы и визуализации, которые понятны не только дата-сайентисту.
– Глубокий анализ данных и расследования: умение строить логику проверки гипотез, находить аномалии, выявлять скрытые закономерности, желание копать в суть.
– Инструменты: уверенное владение Python для анализа данных (pandas, numpy, scikit-learn), SQL.
– Английский язык: уровень B2 (Upper-Intermediate) и выше — для общения с зарубежными клиентами и чтения документации.
– Soft skills: развитое аналитическое мышление, ответственность, умение самостоятельно разбираться в новых задачах и работать автономно, понятно объяснять результаты анализа (в т.ч. на английском).
*➡️*Откликнуться
*📍 Навигация:[База знаний](https://t.me/pyproglib) • [Задачи](https://t.me/py_problems_lib) •* Собеседования
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- Pandas
- NumPy
- Scikit-learn
- XGBoost
- LightGBM
- CatBoost
- Random Forest
- SHAP
- Data Analysis
- Machine Learning
- Statistics
Возможные вопросы на собеседовании
Проверка понимания работы алгоритмов, указанных в требованиях.
В чем ключевые различия между CatBoost, LightGBM и XGBoost, и в каких ситуациях вы выберете конкретный фреймворк?
Важно для объяснения работы антифрод-моделей клиентам.
Как бы вы объяснили нетехническому клиенту разницу между Feature Importance и SHAP-значениями для конкретного предсказания?
Проверка навыков поиска аномалий, критически важных для антифрода.
Расскажите о самом сложном случае поиска аномалий или скрытых закономерностей в вашей практике. Какую методологию вы использовали?
Проверка навыков проектирования признаков в условиях отсутствия персональных данных.
Какие признаки (feature engineering) могут быть наиболее полезны в антифрод-системе, которая принципиально не использует персональные данные?
Проверка уровня английского и навыков презентации.
Could you please describe your most recent DS project and its business impact in English?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
