- Страна
- Россия
- Зарплата
- от 1 500 ₽
Откликайтесь
на вакансии с ИИ
Data Scientist Middle
Оценка ИИИнтересная роль в крупном ритейле с широким стеком технологий и возможностью менторства. Удаленный формат работы и четко прописанные требования делают вакансию привлекательной для Middle-специалистов.
Сложность вакансии
Оценка ИИПозиция требует глубоких знаний не только в ML, но и в инженерии данных (PySpark, оптимизация SQL), а также продвинутой статистики. Наличие этапа технического интервью и требований к ООП и алгоритмам подтверждает серьезный уровень отбора.
Анализ зарплаты
Оценка ИИСтавка 1500 руб./час (с НДС) при полной занятости составляет около 250 000 - 260 000 руб. в месяц на руки (после вычета налогов для ИП/самозанятых), что соответствует рыночному медианному уровню для Middle Data Scientist в России.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме и станьте частью команды Data Science в крупном ритейле уже сегодня!
Описание вакансии
Data Scientist Middle
Ставка: 1500, с НДС
Локация: любая
Обязательные требования
- Профильное образование/наличие сертификатов по специализациям анализа данных и машинного обучения;
- Опыт работы в области data science от 2 лет;
- Рython (PEP 8);
- Способен 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;
- 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;
- 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;
- Работа с хорошо описанными задачами;
- Построение аналитических отчётов с заданными требованиями;
- Презентация 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;
- Стек: Python; SQL; визуализация данных (matplotlib, seaborn, plotly / BI - инструмента); Git; PyTest; Spark 2.2+; Grafana/Airflow.
Задачи на проекте
- Выбор и построение подходящих математических моделей для решения поставленных задач;
- Декомпозиция поставленных задач, определение пути решения, установка сроков решения;
- Проверка гипотез на основе статистических методов;
- Обсуждение выбранных решений с бизнес-заказчиком;
- Написание оптимальных SQL/SPARK-запросов, укладывающихся в SLA;
- Написание переиспользуемого продуктивного кода SQL/Python (а также его оптимизация);
- Использование или создание простых аналитических сервисов (MVP);
- Сode-review;
- Постановка процессов на регулярную основу;
- Настройка мониторинга качества регулярных процессов продукта;
- Участие в формировании ТЗ;
- Менторинг Junior.
Этапы отбора
- Техническое интервью
- Интервью с ПО
Описание проекта и команды
Крупная ритейл компания.
Откликнуться на запрос: Откликнуться По вопросам партнерского сотрудничества: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- PySpark
- Git
- PyTest
- Airflow
- Grafana
- Matplotlib
- Seaborn
- Plotly
- Machine Learning
- Statistics
- A/B Testing
- OOP
Возможные вопросы на собеседовании
Проверка навыков работы с большими данными и понимания механизмов оптимизации Spark.
Расскажите, в каких случаях вы бы использовали broadcast join в PySpark и какие риски это может нести?
Оценка глубины знаний в области проверки гипотез, что критично для АБ-тестирования.
Как вы справляетесь с проблемой множественной проверки гипотез при анализе результатов эксперимента?
Проверка инженерной культуры и умения писать поддерживаемый код.
Каких принципов ООП вы придерживаетесь при разработке ML-сервисов и как используете PyTest в своей работе?
Оценка способности переводить бизнес-потребности в технические метрики.
Как вы подходите к выбору прокси-метрик, если основная бизнес-метрика имеет слишком долгий цикл накопления данных?
Проверка понимания продвинутых методов машинного обучения.
В каких задачах вы применяли байесовские модели или PGM и в чем было их преимущество перед классическим ML?
Похожие вакансии
Data инженер (Middle+)
Data Scientist (Computer Vision)
Data Engineer Middle
Data engineer
Data Scientist (Middle)
Data Scientist ( Middle )
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!