Data Scientist (Availability)
Оценка ИИИзвестная международная компания с сильной инженерной культурой и интересными продуктами (RateHawk, ZenHotels). Удаленный формат работы и работа над сложными задачами (Ranking, Matching) делают вакансию очень привлекательной для опытных специалистов.
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 солидного опыта (от 4 лет) и специфических навыков в области рекомендательных систем и матчинга сущностей, что делает отбор достаточно строгим. Продуктовая специфика travel-tech добавляет сложности в части обработки больших объемов данных в реальном времени.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для специалиста уровня Senior Data Scientist с опытом 4+ лет в международном travel-tech секторе рыночные предложения обычно начинаются от 350 000 рублей и выше. Предлагаемый диапазон соответствует средним ожиданиям для опытных ML-инженеров в крупных продуктовых компаниях.
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 (Availability) / Emerging Travel Group *💙*
Remote
Emerging Travel Group — travel-tech компания с продуктами в сегментах B2C, B2B, B2A (RateHawk, Roundtrip, ZenHotels), которые помогают клиентам управлять всеми потребностями в путешествиях.
Требования:
• 4+ года опыта в Data Science или ML Engineering
• знания Machine Learning (CatBoost, LightGBM, классификация, регрессия)
• Опыт разработки Recommendation Systems, Ranking и Entity Matching
Читать подробнее:
Другие вакансии в компании:
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Machine Learning
- CatBoost
- LightGBM
- Recommendation Systems
- Ranking
- Entity Matching
- Python
Возможные вопросы на собеседовании
Проверка опыта работы с ключевыми инструментами, указанными в вакансии.
Расскажите о вашем опыте использования CatBoost или LightGBM: в каких задачах они показали себя лучше всего и как вы настраивали гиперпараметры?
Вакансия напрямую упоминает Entity Matching как одно из требований.
Какие подходы вы использовали для задачи Entity Matching (сопоставления сущностей)? Как вы оценивали качество работы таких моделей?
Рекомендательные системы — важная часть продукта.
С какими проблемами холодного старта в рекомендательных системах вы сталкивались и как их решали?
Проверка навыков работы с ранжированием.
В чем разница между подходами Pointwise, Pairwise и Listwise в задачах ранжирования? Какой из них вы бы выбрали для поиска отелей?
Оценка продуктового мышления инженера.
Как бы вы спроектировали систему мониторинга качества ML-модели в продакшене, чтобы вовремя заметить деградацию результатов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
