- 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
I am writing to express my strong interest in the Data Scientist RecSys position at SimbirSoft. With over two years of experience in machine learning and a deep focus on recommendation systems, I have developed a robust skill set that aligns perfectly with your requirements. My background includes implementing two-stage architectures (retrieval + ranking), working with gradient boosting frameworks like CatBoost and LightGBM, and handling time-series data to solve complex business problems.
In my previous roles, I have successfully addressed challenges such as the cold-start problem and data leakage, while ensuring model interpretability and monitoring quality in production environments. I am proficient in Python, SQL, and Docker, and I have a solid foundation in mathematical statistics and hypothesis testing. I am particularly drawn to SimbirSoft because of your diverse project portfolio and the opportunity to work within a highly professional team that values continuous learning and MLOps best practices.
I am eager to bring my expertise in ranking metrics and model serving to your team and contribute to the development of high-impact IT solutions. Thank you for considering my application. I look forward to the possibility of discussing how my skills can support SimbirSoft's goals.
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
Data Scientist (Senior / middle+)
ML Engineer
Junior Data Engineer (Data House, Big Data)
Data-Scientist (команда динамического ценообразования)
Middle ML Engineer
Data Scientist (моделирование и аналитика)
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
- Россия