- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist RecSys
Оценка ИИSimbirSoft — известная компания с аккредитацией и отличным соцпакетом. Вакансия предлагает работу с современным стеком (MLOps, GPU) и гибкие условия, однако отсутствие указанной вилки зарплаты немного снижает прозрачность.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в узкой нише RecSys (ранжирование, двухэтапные архитектуры) и уверенных навыков вывода моделей в продакшн (Docker, K8s). Ожидается опыт от 2 лет и владение серьезным математическим аппаратом.
Анализ зарплаты
Оценка ИИДля специалиста уровня Middle Data Scientist в области RecSys с опытом от 2 лет рыночная зарплата в России обычно варьируется от 200 000 до 350 000 рублей. SimbirSoft предлагает 'белую' зарплату и расширенный соцпакет, что соответствует стандартам крупных IT-игроков.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в SimbirSoft уже сейчас
Присоединяйтесь к команде экспертов SimbirSoft и создавайте передовые рекомендательные системы — откликайтесь прямо сейчас!
Описание вакансии
Data Scientist RecSys
#удаленка #офис
Компания: SimbirSoft
🔹Задачи и обязанности:
-Разработка и внедрение моделей машинного обучения; работа с временными рядами, аномалиями, ранжированием и признаками реальных процессов
🔹Требования:
-Опыт работы в data science / machine learning от 2-х лет
-Глубокое понимание классического машинного обучения: линейные модели, деревья решений, ансамбли, кластеризация, feature engineering
-Опыт разработки рекомендательных систем: матричная факторизация, контентные и коллаборативные подходы, трансформеры, двухэтапные архитектуры (retrieval + ranking)
-Уверенный опыт работы с градиентным бустингом (CatBoost, LightGBM, XGBoost) и пониманием их внутренних механизмов
-Опыт работы с временными рядами
-Знание теории вероятности, математической статистики и линейной алгебры в прикладном контексте
-Умение проверять статистические гипотезы, работать с доверительными интервалами, оценивать значимость признаков
-Понимание принципов валидации моделей на временных данных, борьбы с data leakage и переобучением
-Знание методов ранжирования, метрик ранжирования (NDCG, MRR, MAP) и метрик оценки рекомендательных систем (HitRate@K, Recall@K, Coverage, Diversity)
-Понимание подходов к решению проблемы cold-start и работе с bias в рекомендациях
-Опыт интерпретации моделей
-Уверенное знание Python на уровне ООП (+ классический набор библиотек: pandas, numpy, scikit-learn, matplotlib/seaborn/plotly)
-Умение обучать и дообучать модели на GPU
-Базовые знания SQL и работы с промышленными/реляционными базами данных
-Понимание специфики промышленного ML: дрейф данных, мониторинг качества
-Опыт запуска ML в прод — понимание принципов сервинга моделей: Docker, Kubernetes, базовое понимание CI/CD
-Желание глубоко погрузиться в доменную область
🔹Будет преимуществом:
-Знакомство с MLOps-инструментами: MLflow, DVC, Kubeflow, KServe
-Опыт взаимодействия с инженерами, технологами и продукт-командой, умение переводить бизнес-требования в ML-задачи
-Опыт проведения A/B-тестов и дизайна экспериментов для оценки эффективности моделей
🔹Мы предлагаем:
-Работу в команде экспертов.
-Широкий технологический стек, сотни проектов.
-Гибкий график работы, который позволяет высыпаться и выделять время на хобби.
-Льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры\*).
-Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии.
-У нас выстроены процессы удаленной работы, при этом есть просторные офисы с зонами коворкинга, где можно с комфортом пообщаться, поиграть в настолки или в тишине обдумать рабочие задачи.
-Возможность прокачаться во всех интересующих направлениях.
-Развитую систему наставничества, сертификацию за счёт компании, участие в конференциях, изучение английского языка.
-Активный обмен опытом, внутренние и внешние митапы по разработке, хакатоны, доклады по развитию hard и soft skills.
-50+ клубов по интересам и профессиональных сообществ внутри компании.
-Уютный мерч.
-Полный соцпакет и «белую» зарплату.
-Корпоративную базу знаний и социальную сеть для удобства общения с каждым из 1500+ сотрудников.
-Гибкую систему бонусов, которая настраивается под индивидуальные потребности: различные уровни ДМС, оплата обучения и занятий любыми видами спорта.
-Заботу о ментальном здоровье: онлайн-консультации с психологом.
Контакты: Откликнуться
🔥 Подписаться на наши каналы / @best_itjob / @it_rab
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- RecSys
- CatBoost
- LightGBM
- XGBoost
- SQL
- Docker
- Kubernetes
- Pandas
- NumPy
- Scikit-learn
- Matplotlib
- Seaborn
- Plotly
- MLflow
- DVC
- Kubeflow
- CI/CD
- A/B Testing
Возможные вопросы на собеседовании
Проверка понимания специфики рекомендательных систем и умения работать с метриками качества.
В чем разница между метриками NDCG и HitRate@K, и в каких случаях вы отдадите предпочтение каждой из них?
Оценка практического опыта решения классической проблемы RecSys.
Какие стратегии вы использовали для решения проблемы 'холодного старта' для новых пользователей или товаров?
Проверка навыков работы с временными данными и предотвращения переобучения.
Как правильно организовать валидацию модели на временных рядах, чтобы избежать data leakage?
Оценка понимания внутренних механизмов популярных алгоритмов.
Чем отличаются механизмы построения деревьев в CatBoost и LightGBM, и как это влияет на скорость и точность?
Проверка инженерных навыков и понимания жизненного цикла ML-модели.
Опишите ваш опыт деплоя моделей: как вы упаковывали модель в Docker и какие метрики мониторили в продакшене?
Похожие вакансии
Senior MLOps инженер
Team Lead Data Science / ML
MLOps инженер (Team Lead)
MLOps инженер (Тимлид)
Senior MLOps инженер
Senior Data Engineer
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!