- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Middle Data Scientist
Оценка ИИВакансия предлагает востребованный стек технологий и полностью удаленный формат работы по РФ. Четко прописанные требования и наличие инструментов MLOps (MLFlow, Airflow) свидетельствуют о зрелости процессов в команде.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения широким стеком инструментов (от классического ML до Big Data), а также опыта работы от 3 лет, что соответствует крепкому уровню Middle. Дополнительную сложность могут представлять требования к знанию инструментов оркестрации и работы с распределенными системами.
Анализ зарплаты
Оценка ИИУказанные требования соответствуют рыночному уровню Middle Data Scientist в России. Ожидаемая зарплата для такого профиля обычно находится в диапазоне 200 000 – 350 000 рублей после вычета налогов, в зависимости от глубины экспертизы в Big Data.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликайтесь прямо сейчас через удобную форму или напишите менеджеру напрямую, чтобы не упустить шанс попасть в сильную DS-команду!
Описание вакансии
ID 2509 - Middle Data Scientist
🌍 Локация: РФ
💼 Удаленно
🕔 Занятость: фулл тайм
💡 Требования:
• от трех лет опыта в DS
• Уверенное владение ML- и DL-стеком Python: Pytorch, lightgbm/xgboost/catboost, Scikit-Learn, Pandas, Numpy;
• Умение работать с инструментами Spark, Hadoop, Hive, MLFlow, AirFlow/ArgoWorkflow;
📌 Nice to have:
• Контрибьют в ML-библиотеки;
• Опыт full-stack разработки
📨 Оставить отклик можно по Откликнуться
или напрямую ответственному менеджеру Откликнуться
❗️При отклике, указывайте, пожалуйста, ID вакансии, ваш стек и прикладывайте резюме.
❗️Без ID вакансии отклики не будут рассматриваться❗️
#Data #Science #Удаленно #вакансия
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NumPy
- Pandas
- PyTorch
- Scikit-learn
- Apache Spark
- Hadoop
- XGBoost
- MLflow
- Apache Airflow
- LightGBM
- CatBoost
- Argo Workflows
- Apache Hive
Возможные вопросы на собеседовании
Проверка практического опыта работы с градиентным бустингом и понимания различий между библиотеками.
В каких случаях вы предпочтете CatBoost вместо LightGBM или XGBoost, и как вы обрабатываете категориальные признаки в этих библиотеках?
Оценка навыков работы с большими данными и понимания архитектуры Spark.
Расскажите о типичных проблемах производительности в Spark-задачах (например, data skew) и способах их решения.
Проверка опыта в области Deep Learning и работы с фреймворком PyTorch.
Как вы реализуете кастомный DataLoader в PyTorch для работы с данными, которые не помещаются в оперативную память?
Оценка понимания жизненного цикла ML-моделей (MLOps).
Как вы используете MLFlow для отслеживания экспериментов и версионирования моделей в своих проектах?
Проверка навыков проектирования пайплайнов данных.
Опишите ваш опыт создания DAG в Airflow: как вы обрабатываете зависимости между задачами и обеспечиваете отказоустойчивость?
Похожие вакансии
ML разработчик (Middle)
Data инженер Middle+
ML разработчик Middle Middle+
Data Engineer Python (Middle)
Разработчик MLOps (Python)
Data инженер Middle
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!