- Зарплата
- от 5 000 $
Откликайтесь
на вакансии с ИИ
Founding Applied Data Scientist
Оценка ИИОтличное предложение для опытных специалистов: высокая зарплата в долларах, удаленный формат и возможность стоять у истоков аналитического направления в компании.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена статусом 'Founding', что требует не только глубоких технических знаний в AI и статистике, но и способности самостоятельно выстраивать процессы и принимать продуктовые решения.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата от $5000 соответствует верхнему сегменту рынка для Senior/Lead Data Science ролей в международном найме, особенно для позиций с широкой зоной ответственности.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Присоединяйтесь к амбициозной команде в роли Founding Data Scientist и создавайте инновационные продукты на стыке AI и аналитики!
Описание вакансии
от 5 000 $/месяц
Удаленка, Фултайм
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...(Откликнуться)
**⚠️ Будьте внимательны: иногда мошенники маскируют свои схемы под вакансии реальных компаний, никому не передавайте доступ к своим аккаунтам или устройствам.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Machine Learning
- LLM
- Statistics
- Data Science
- Product Analytics
- Embeddings
Возможные вопросы на собеседовании
Позиция предполагает работу с рыночными сигналами и поведенческими данными.
Расскажите о вашем опыте извлечения нетривиальных инсайтов из сырых поведенческих данных: какие методы фильтрации шума вы использовали?
В описании указан акцент на локальные LLM.
В каких случаях вы бы предпочли использование локальной LLM вместо API-решений (например, OpenAI), и с какими техническими ограничениями вы сталкивались при их развертывании?
Вакансия требует создания data products.
Как вы оцениваете успешность внедренного data-продукта? Какие метрики, помимо точности модели, вы считаете ключевыми для бизнеса?
Упоминается работа с эмбеддингами.
Опишите ваш подход к построению векторного поиска или рекомендательной системы на основе эмбеддингов: как вы решали проблему холодного старта?
Роль Founding подразумевает автономность.
