- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist middle/senior
Оценка ИИX5 Tech — это сильный бренд с огромными объемами данных и современным стеком. Вакансия предлагает работу над реальными продуктовыми задачами с использованием передовых технологий.
Сложность вакансии
Оценка ИИРоль требует не только глубоких знаний ML-алгоритмов, но и серьезных инженерных навыков (Docker, K8s, Airflow), а также понимания работы Hadoop-стека на низком уровне.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиций Middle/Senior Data Scientist в Москве рыночный диапазон составляет от 250 000 до 450 000 рублей. X5 Tech обычно предлагает конкурентоспособные условия, соответствующие средним и верхним границам рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в X5 Tech уже сейчас
Присоединяйтесь к команде X5 Tech и создавайте ML-решения для крупнейшего ритейлера страны!
Описание вакансии
Data Scientist middle/senior
Москва
Компания: X5 Tech
*🔹*Обязанности
-Участвовать в разработке моделей для продуктивной среды;
-Строить модели машинного обучения, улучшать качество прогноза;
-Заниматься аналитикой и проверкой гипотез;
-Развивать инструменты для проведения A/B тестов;
-Писать код, проводить code-review;
-Предлагать способы оптимизации и совершенствования существующих инструментов.
*🔹*Требования
-Знание Python (Scala/Java могут оказаться плюсом);
-Знание классических алгоритмов и структур данных;
-Знание теоретических и практических продвинутых методов машинного обучения;
-Знание SQL, знакомство с hadoop-стэком (кандидаты уровня middle должны понимать, как выглядит план запросов и что происходит "под капотом");
-A/B тесты, генерация и проверка гипотез (будет плюсом опыт с variance reduction, CUPED, линеаризацией и методом бакетов);
-Опыт работы с (docker, kubernetes, pyspark, kafka, postgres, airflow);
-Наличие опыта вывода разработанных решений в прод.
Python Job в Telegram | в VK | в Max
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- A/B Testing
- Python
- Machine Learning
- SQL
- Kubernetes
- PostgreSQL
- Docker
- PySpark
- Airflow
- Kafka
- Hadoop
- Java
- Scala
Возможные вопросы на собеседовании
Проверка понимания оптимизации запросов в распределенных системах, что критично для работы с данными X5.
Расскажите, как вы анализируете план запроса в SQL или Spark? На какие метрики и узлы вы обращаете внимание в первую очередь?
Вакансия упоминает продвинутые методы A/B тестов. Важно понять, умеет ли кандидат снижать дисперсию.
В каких случаях вы бы предпочли использовать CUPED вместо обычного t-теста, и какие ограничения у этого метода?
Требуется опыт вывода моделей в прод.
Опишите ваш типичный CI/CD пайплайн для ML-модели: от обучения в ноутбуке до деплоя в Kubernetes.
Проверка навыков работы с Big Data.
С какими проблемами производительности в PySpark вы сталкивались (например, data skew) и как их решали?
Оценка инженерной культуры.
