Middle Data Scientist (рекомендательные системы)
Оценка ИИИнтересные задачи в области RecSys, работа в аккредитованной ИТ-компании с полным соцпакетом и гибридным графиком. Единственный минус — не указано название конечного заказчика, так как вакансия от агентства.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИПозиция требует солидного опыта (от 3 лет) именно в рекомендательных системах и владения специфическим стеком (Greenplum, Arenadata, DVC). Необходимо не только строить модели, но и разбираться в инфраструктуре (CI/CD, Airflow) и методологии A/B-тестирования.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, однако для Middle Data Scientist в Москве с опытом от 3 лет и знанием RecSys рыночный диапазон составляет 250 000 – 350 000 рублей. Предложение в аккредитованной ИТ-компании обычно соответствует этим рамкам.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*💡 Middle Data Scientist (рекомендательные системы)*
Зарплата не указана
Москва, м. Павелецкая
Гибрид: 2 дня в офисе, 3 дня удалённо
ANCOR — агентство по подбору персонала и HR-консалтингу. Предстоит разрабатывать модели для рекомендательных систем CVM: персональных предложений в приложении, рекомендаций докупа в корзине и рекомендаций в карточке товара. Заказчик не назван.
Требования:
— опыт в ML от 3 лет в рекомендательных системах и высшее образование
— уверенное владение Python, CatBoost/LightGBM, sklearn, pandas и NumPy, умение писать качественный код на Python
— умение писать оптимальные SQL-запросы средней сложности и использовать оконные функции
— навыки совместной разработки с GitLab и CI/CD
— опыт работы с распределёнными СУБД Greenplum, Arenadata DB
— опыт работы с Airflow, MLflow и DVC
— опыт проведения A/B-тестов
Оформление в ИТ-аккредитованную компанию, официальная зарплата из оклада и премии, ДМС со стоматологией.
*➡️* Откликнуться
*📍* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- A/B Testing
- Python
- NumPy
- Pandas
- SQL
- CI/CD
- Scikit-learn
- Airflow
- MLflow
- LightGBM
- GitLab
- DVC
- CatBoost
- Greenplum
- Arenadata DB
Возможные вопросы на собеседовании
Рекомендательные системы часто сталкиваются с проблемой холодного старта для новых товаров или пользователей.
Как вы подходите к решению проблемы «холодного старта» в рекомендательных системах?
Вакансия предполагает работу с Greenplum и Arenadata, что критично для обработки больших данных.
Опишите ваш опыт работы с распределенными СУБД. Какие нюансы оптимизации SQL-запросов в Greenplum вы знаете?
Для бизнеса важно понимать реальную эффективность рекомендаций.
Расскажите о самом сложном A/B-тесте, который вы проводили. Какие метрики были ключевыми и как вы интерпретировали результаты?
В требованиях указаны MLflow и DVC, что говорит о зрелости процессов.
Как вы организуете воспроизводимость экспериментов и версионирование данных в своих проектах?
Работа с рекомендациями в корзине и карточке товара требует разных подходов.
В чем, по вашему мнению, основное различие в логике построения моделей для рекомендаций в корзине и персональных предложений в push-уведомлениях?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
