- Страна
- Россия
Data Scientist / ML Engineer (Проект CVM)
Оценка ИИX5 Tech — стабильный и крупный работодатель с сильной инженерной культурой. Проект CVM предполагает работу с огромными массивами данных, что дает отличные возможности для профессионального роста.
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 серьезного опыта (от 3 лет) и глубоких знаний как в ML-алгоритмах, так и в инженерии данных (PySpark, оптимизация запросов). Ожидается умение работать с PyTorch и проводить качественные A/B тесты.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Senior/Middle+ Data Scientist в Москве рыночный диапазон составляет от 250 000 до 450 000 рублей. X5 Tech обычно предлагает конкурентоспособные условия, соответствующие верхним границам 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 / ML Engineer (Проект CVM)*Удаленно
X5 Tech — IT-компания и основной цифровой партнер торговых сетей и бизнесов X5 Group.
Требования:— Опыт работы в DS-сфере от трех лет;
— Умеешь писать чистый и структурированный код на Python, знаешь классические алгоритмы и структуры данных;
— Знание теоретических и практических продвинутых методов машинного обучения;
— Знание PySpark — умеешь строить оптимальные запросы, знаешь оконки и отличия repartition от coalesce;
— Знание и опыт работы с PyTorch;
— A/B тесты, генерация и проверка гипотез — быть способным поговорить с аналитиками на «одном языке».
*➡️*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
- PySpark
- PyTorch
- Machine Learning
- A/B Testing
- Algorithms
- Data Structures
Возможные вопросы на собеседовании
Проверка навыков оптимизации обработки больших данных.
В чем ключевая разница между операциями repartition и coalesce в PySpark, и в каких сценариях лучше использовать каждую из них?
Оценка понимания архитектуры нейронных сетей и практического опыта с фреймворком.
Расскажите о самом сложном проекте на PyTorch: с какими проблемами при обучении моделей вы сталкивались и как их решали?
Проверка продуктового мышления и навыков валидации моделей.
Как вы подходите к дизайну A/B теста для новой ML-модели в CVM? Какие метрики выберете и как определите длительность эксперимента?
Оценка инженерной культуры кандидата.
Что для вас означает «чистый код» в контексте Data Science проектов? Какими принципами вы руководствуетесь при написании продакшн-кода?
Проверка теоретической базы ML.
Какие продвинутые методы машинного обучения (кроме градиентного бустинга) вы применяли на практике для задач ранжирования или рекомендаций?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
