- Страна
- Сербия
- Зарплата
- 256 000 ₽ – 281 000 ₽
Откликайтесь
на вакансии с ИИ

Data Scientist (Middle+/Senior)
Привлекательная вакансия для опытных специалистов с конкурентной ставкой и возможностью удаленной работы. Проект в международном контексте (Сербия) добавляет профессионального интереса.
Сложность вакансии
Позиция требует глубоких знаний ML-цикла и опыта вывода моделей в продакшн. Высокий порог входа обусловлен требованиями к грейду Middle+/Senior и необходимостью работы с большими данными.
Анализ зарплаты
Предложенная ставка (256-281 тыс. руб.) находится в пределах рыночной нормы для Middle+/Senior Data Scientist в РФ, однако для Senior-уровня на международном проекте верхняя граница может быть выше. Оформление через ИП предполагает отсутствие налоговых вычетов со стороны работодателя, что стоит учитывать при расчете чистого дохода.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь уже сейчас
Откликайтесь прямо сейчас, чтобы принять участие в разработке масштабной ML-платформы для международного проекта!
Описание вакансии
#Datascientist #вакансия
🔥 Мы в поиске Data Scientist на проектную занятость
Грейд: middle+|senior
Ставка: от 256К до 281К
Гражданство РФ
Локация: любая
Загрузка: фуллтайм
Срок: долгосрочный
Оформление: только ИП ‼️
📌 Проект: data platform. Внутренний проект компании в Сербии по разработке платформы анализа больших данных и построения ML-моделей для оптимизации бизнес-процессов. Платформа агрегирует данные из разных источников, позволяет строить предиктивные модели, а также внедрять их в продакшн-контур с мониторингом качества.
Основной фокус — развитие ML-решений и их интеграция в data-driven процессы
✅ Требования:
Опыт работы в Data Science от 4 лет
Уверенное владение Python (pandas, numpy, scikit-learn, CatBoost или подобные)
Опыт построения и внедрения ML-моделей в продакшн
Понимание метрик качества моделей и подходов к их улучшению
Опыт работы с SQL (написание сложных запросов)
Практический опыт feature engineering и работы с реальными данными
Понимание полного ML lifecycle
Опыт работы с задачами классификации /регрессии (churn,рекомендации,scoring и т.д.)
➕ Будет плюсом:
Опыт работы с большими данными (Spark/ Hadoop)
Опыт деплоя моделей (Docker, API-сервисы)
Опыт работы сML pipeline инструментами (Airflow, MLflow)
Понимание A/B-тестирования и causal inference
Опыт работы с Kubernetes
Опыт построения рекомендательных систем
🍀 Задачи:
Полный цикл разработки ML-моделей: от исследования данных до внедрения в прод
Построение и улучшение моделей (классификация, регрессия, сегментация)
Работа с большими объемами данных, подготовка и очистка датасетов
Разработка и оптимизация feature engineering
Валидация моделей, работа с метриками, анализ качества
Участие в проектировании ML-сервисов и пайплайнов
Взаимодействие с аналитиками и инженерами для внедрения моделей
Поддержка и доработка существующих решений
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- A/B Testing
- Python
- NumPy
- Pandas
- SQL
- Kubernetes
- API
- Scikit-learn
- Feature Engineering
- Docker
- Airflow
- Hadoop
- Spark
- MLflow
- CatBoost
- ML Lifecycle
Возможные вопросы на собеседовании
Проверка практического опыта вывода моделей в эксплуатацию, что критично для данной вакансии.
Расскажите о вашем самом сложном кейсе внедрения ML-модели в продакшн-контур: с какими проблемами мониторинга вы столкнулись?
Вакансия предполагает работу с Data Platform, где качество данных и признаков имеет решающее значение.
Какие подходы к автоматизации feature engineering вы использовали в проектах с большими данными?
В требованиях указано понимание метрик и их улучшения.
Как вы выбираете метрики для бизнес-задач (например, churn или scoring), если стандартные ML-метрики не полностью отражают бизнес-эффект?
Работа с SQL и сложными запросами является обязательным требованием.
Опишите ваш опыт оптимизации тяжелых SQL-запросов при подготовке датасетов для обучения моделей.
Знание Spark/Hadoop является преимуществом для работы с Big Data.
В каких случаях вы предпочтете использовать Spark вместо pandas для обработки данных, и какие нюансы при этом возникают в ML-пайплайнах?
Похожие вакансии
ML разработчик (Senior)
Senior / Middle+ Data Scientist
MlOps / Python Backend Engineer (ML)
Data Scientist Senior
Senior/Middle Data Engineer
Senior Data Scientist
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!
- Страна
- Сербия
- Зарплата
- 256 000 ₽ – 281 000 ₽