Откликайтесь
на вакансии с ИИ
Founding Applied Data Scientist
Оценка ИИОтличная вакансия для опытного специалиста: удаленный формат, работа с передовыми технологиями (LLM, embeddings) и возможность влиять на продукт на ранних этапах. Четко очерченные задачи и отсутствие бюрократии (не BI/Data Engineering).
Сложность вакансии
Оценка ИИВысокая сложность обусловлена ролью 'Founding', требующей не только глубоких технических знаний в ML и LLM, но и способности самостоятельно выстраивать процессы и создавать продукты с нуля. Требуется опыт от 5 лет и владение специфическим стеком локальных моделей.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, однако для позиции уровня Senior/Founding Data Scientist в глобальной компании рыночные ожидания значительно выше средних по РФ. Учитывая требования к опыту 5+ лет и работу с LLM, компенсация должна соответствовать верхнему эшелону международного рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Infatica уже сейчас
Станьте ключевым Data Scientist в Infatica и создавайте инновационные data-продукты с нуля!
Описание вакансии
#vacancy
🚀 Founding Applied Data Scientist — Infatica
Infatica — глобальный провайдер прокси- и DaaS-решений.
Расширяем аналитическое направление: ищем сильного data scientist, который превратит массивы поведенческих данных в рыночные сигналы, модели и клиентские data products.
Это не BI и не data engineering — акцент на аналитике, статистике, applied AI (embeddings, локальные LLM) и продуктовых выводах.
Задачи:
• Анализ больших event-level датасетов, поиск устойчивых паттернов
• Гипотезы, метрики, статистическая проверка (воронки, когорты, временные ряды)
• Taxonomy, классификация, embeddings, локальные LLM
• Data products и аналитика для клиентов
Требования:
• 5+ лет в applied data science / product analytics / decision science
• Сильные Python + SQL
• Статистика, hypothesis testing, опыт с ML/embeddings/LLM для классификации
• Английский — для документации и созвонов
Будет плюсом: causal inference, forecasting, graph analysis, Ollama/vLLM/llama.cpp, vector DB, опыт создания data-продукта с нуля.
Формат работы: удаленка из любой точки мира
Откликнуться: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- LLM
- SQL
- Statistics
- Forecasting
- Vector Database
- Causal Inference
- Embeddings
- vLLM
- Graph Analysis
- Ollama
Возможные вопросы на собеседовании
Проверка опыта работы с локальными языковыми моделями, указанными в вакансии.
Расскажите о вашем опыте развертывания и оптимизации локальных LLM (например, через Ollama или vLLM). С какими трудностями вы сталкивались?
Вакансия предполагает создание продуктов на основе данных.
Опишите кейс, когда вы превратили результаты анализа данных в полноценный клиентский data-продукт. Как вы измеряли его успех?
Важная часть работы — поиск паттернов в больших event-level датасетах.
Как вы подходите к анализу огромных массивов поведенческих данных для поиска устойчивых рыночных сигналов? Какие статистические методы используете?
В требованиях указаны эмбеддинги и классификация.
Как бы вы построили систему классификации неструктурированных данных, используя векторные базы данных и эмбеддинги в условиях ограниченных ресурсов?
Упоминание Causal Inference в плюсах указывает на потребность в глубокой аналитике.
