- Страна
- Россия
- Зарплата
- 350 000 ₽ – 450 000 ₽
Откликайтесь
на вакансии с ИИ
Lead AI Engineer | Data Scientist
Оценка ИИОтличное предложение от топового работодателя с прозрачной вилкой, сильным соцпакетом и современным стеком. Гибридный формат и офис в центре Санкт-Петербурга добавляют привлекательности.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена ролью лида, требующей не только глубоких технических знаний в Data Science и Data Engineering (Spark, Airflow, Kubernetes), но и управленческих навыков для менторства и взаимодействия с бизнесом.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 350-450 тысяч рублей на руки полностью соответствует рыночному уровню для позиции Lead Data Scientist в Санкт-Петербурге и даже несколько превышает средние показатели для регионального рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Газпромнефть уже сейчас
Присоединяйтесь к команде лидеров индустрии и развивайте AI-решения в Газпромнефти — откликайтесь прямо сейчас!
Описание вакансии
#вакансия #работа #AIEnineer #lead #DataScientist
▎Вакансия: Lead AI Engineer|Data Scientist
Компания Газпромнефть
Место работы: г. Санкт-Петербург, Виленский пер., д. 14
График работы: 5/2, 09:00 - 18:00, пт. до 16:45
Гибридный формат работы - офис 5 раз в месяц.
ЗП: от 350 до 450 тысяч рублей на руки
➡️Мы ищем опытного руководителя центра математических методов, автоматизации и теории оптимизации для реализации интересных задач и развития отдела продвинутой аналитики и искусственного интеллекта. Вместе мы воплощаем прогресс.
▎Основной стек ⚙️
• Data Stack: SQL, Python, Spark, Airflow, dbt, DeltaLake;
• Infra: Kubernetes (Yandex Cloud / AWS / Azure).
▎Мы предлагаем ✅
• Трудоустройство по ТК РФ
• Размер оклада обсуждается с успешным кандидатом
• Годовое премирование по итогам общих достижений и индивидуального результата.
• Социальный пакет, ДМС со стоматологией
• Профессиональное развитие в IT-сообществе лидирующей отрасли компании
• Корпоративный спорт, командные турниры и забеги
• Комфортный офис в центре города: капсула сна, лекторий, спортзал, кафе и киноклуб
• Семейные мероприятия: праздники и спортивные мероприятия на свежем воздухе
• Поддержка волонтерских инициатив сотрудников, экологичного поведения и участие в благотворительных проектах
▎Чем предстоит заниматься 💻
• Взаимодействовать с бизнес-заказчиками, а также смежными командами - BI, DWH/ Озеро данных, Качество данных, DevOps
• Менторить членов команды с точки зрения технической экспертизы и качества выдаваемых решений
• Принимать участие в генерации новых идей, предлагать идеи для поиска точек роста бизнеса
• Менее всего интересует опыт с CV, так как таких задач в ближайшее время не прогнозируется
▎Какого кандидата мы ищем 💁♂️
• Высшее техническое образование в области Computer Science
• Опыт работы в области разработки систем с математическим аппаратом под капотом от 5 лет
• Опыт вывода в прод проектов своими руками
• Умение настраивать тестирование моделей/ сервисов, логирование, мониторинг
• Опыт работы с платформами контейнеризации
• Уровень владения английским языком B1 и выше
• Преимуществом при отборе будет
• Доменный опыт в ритейле, рознице, логистике или процессах производства, управления технологическими процессами
• В кандидате также важны
• Заинтересованность и отслеживание актуальных тенденций в области искусственного интеллекта
✔️ Если вы готовы к новым вызовам и хотите стать частью нашей команды, пишите Откликнуться!
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Python
- Spark
- Airflow
- dbt
- DeltaLake
- Kubernetes
- Yandex Cloud
- AWS
- Azure
- MLOps
Возможные вопросы на собеседовании
Проверка управленческих навыков и способности развивать команду.
Расскажите о вашем опыте менторства: как вы выстраиваете процесс повышения технической экспертизы у младших и средних специалистов?
Оценка практического опыта внедрения (MLOps).
Опишите ваш самый сложный кейс вывода ML-модели в продакшн: с какими инфраструктурными проблемами вы столкнулись и как их решили?
Проверка навыков работы с данными и понимания архитектуры.
В каких случаях вы предпочтете использовать DeltaLake вместо классического DWH, и как это влияет на процессы dbt?
Оценка бизнес-ориентированности кандидата.
Как вы подходите к оценке потенциального экономического эффекта от внедрения новой математической модели для бизнес-заказчика?
Проверка навыков оптимизации и работы с нагрузками.
Как вы организуете мониторинг и тестирование моделей в Kubernetes, чтобы гарантировать стабильность системы при масштабировании?
Похожие вакансии
Tech Lead Data Engineer / Руководитель сопровождения и развития СККД
ML Lead
Тимлид команды data‑инженеров
Team Lead Data Science / ML
MLOps инженер (Team Lead)
MLOps инженер (Тимлид)
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!