Data Scientist Senior (Part-time)
Привлекательное предложение для опытных специалистов, ищущих частичную занятость с достойной оплатой. Удаленный формат и работа в AI-студии обещают разнообразие задач и современный стек.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Позиция требует глубокой экспертизы (от 4 лет) в специфических областях, таких как Time Series и кластеризация текстов, а также готовности заниматься инфраструктурными задачами. Высокая планка Senior-уровня предполагает самостоятельность и наставничество.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предлагаемая зарплата (100-300к за парт-тайм) значительно выше среднерыночной для частичной занятости, фактически соответствуя уровню фултайм-позиций Middle+/Senior в РФ. Это делает вакансию крайне выгодной с точки зрения почасовой оплаты.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
100 000 – 300 000 ₽/месяц
Удаленка, Парттайм
Ai-студия STRIKT ищет специалиста с опытом от 4 лет и сильным знанием Time Series, классического ML (линейные модели, деревья, ансамбли) и кластеризации текстов. Будем рады кандидату, который уверенно владеет Python (pandas, sklearn), SQL и готов развивать инфраструктуру, поддерживать модели и обучать коллег...(Откликнуться)
**⚠️ Будьте внимательны: иногда мошенники маскируют свои схемы под вакансии реальных компаний, никому не передавайте доступ к своим аккаунтам или устройствам.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Pandas
- Machine Learning
- SQL
- NLP
- Scikit-learn
- Time Series
- Clustering
Возможные вопросы на собеседовании
Вакансия делает упор на Time Series, важно понимать владение специфическими методами обработки временных данных.
Какие методы обработки пропусков и стационарности вы используете при работе с временными рядами?
Упоминание кластеризации текстов требует проверки навыков NLP и работы с неструктурированными данными.
Расскажите о вашем опыте кластеризации текстовых данных: какие эмбеддинги и алгоритмы кластеризации вы считаете наиболее эффективными?
Роль предполагает развитие инфраструктуры, что требует навыков за пределами написания кода в ноутбуках.
Как вы обычно организуете процесс деплоя и мониторинга ML-моделей в продакшене?
В требованиях указаны ансамбли и деревья, важно понимать умение оптимизировать такие модели.
В каких случаях вы предпочтете градиентный бустинг над линейными моделями, и как вы боретесь с переобучением в ансамблях?
Позиция Senior подразумевает обучение коллег.
Был ли у вас опыт менторства или проведения Code Review для менее опытных специалистов? Как вы выстраиваете этот процесс?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

