- Страна
- Россия
Python разработчик Middle+, Senior (ML/Data Science направление)
Оценка ИИИнтересная роль для разработчиков, желающих сменить вектор в сторону DS/ML. Четкие требования и понятный стек технологий, однако проект ограничен по времени (5 месяцев).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью сочетать сильные навыки классической разработки (алгоритмы, SQL, DevOps) с глубоким интересом и базовыми знаниями в Data Science и ML. Проект требует работы с большими данными и специфическими библиотеками бустинга.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИСтавка 1300 руб./час с НДС для Middle+/Senior уровня является рыночной для проектной деятельности в РФ, хотя для топовых Senior-позиций в штате она может быть выше. В пересчете на полный месяц (160 часов) это составляет около 208 000 руб., что соответствует средним показателям для опытных Python-разработчиков.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Python разработчик Middle+, Senior
Ставка: 1300, с НДС
Локация: РФ
Гражданство: РФ
Длительность проекта: 5 мес
Обязательные требования
- Отличное знание Python, опыт промышленной разработки;
- Глубокое знание алгоритмов, структур данных, оценки сложности;
- Библиотеки анализа данных: Pandas, NumPy;
- ООП и принципы проектирования вычислительных систем, умение писать чистый поддерживаемый код;
- SQL и реляционные базы данных (PostgreSQL);
- Юнит- и интеграционное тестирование, владение методологией тестирования;
- Уверенное владение Git;
- Опыт обёртки логики в backend-сервисы (FastAPI, Hug и другое), базовое понимание архитектуры web-приложений;
- Базовые навыки DevOps: Docker, работа в Unix-подобных системах, понимание принципов CI/CD;
- Готовность и мотивация развиваться в направлении Data Science - интерес к ML и математической статистике, желание разбираться в моделях, а не только в их обвязке;
- Высокие навыки коммуникации и решения проблем, стремление к обучению;
- Уровень английского языка - Intermediate.
Дополнительные требования
- Базовое понимание машинного обучения: линейные модели, Random Forest, метрики качества;
- Знакомство с временными рядами: очистка, прогнозирование, кросс-валидация;
- Библиотеки ML: Scikit-learn, Statsmodels (на уровне применения готовых инструментов);
- Библиотеки градиентного бустинга: XGBoost, LightGBM, CatBoost;
- Опыт работы с большими данными: Spark, PySpark, работа с S3;
- Навыки MLOps/DevOps: Kubernetes, KubeFlow, оркестрация пайплайнов;
- Опыт работы с жизненными циклами разработки вычислительной и программной инфраструктуры;
- Опыт в FMCG в Supply Chain, Demand Planning, Forecasting, ERP, APS;
- Опыт работы в продуктовых командах (Agile, Scrum).
Этапы отбора
- Техническое интервью с клиентом
- Техническое интервью с заказчиком
Описание проекта и команды
Требуется Python Engineer.
Разработчик работает в паре с ML-инженером-математиком (Data Scientist) и отвечает за инженерную реализацию его моделей прогнозирования спроса и оптимизации. Data Scientist формализует и обучает модели, отвечает за математику и качество прогнозов - задача этой роли обеспечить, чтобы модели превратились в надёжный, воспроизводимый и масштабируемый продакшен. Роль предполагает развитие в сторону Data Science: инженер постепенно погружается в ML-математику и берёт на себя всё больше модельной работы.
Откликнуться на запрос: Откликнуться
По вопросам партнерского сотрудничества: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Pandas
- NumPy
- SQL
- PostgreSQL
- Git
- FastAPI
- Docker
- CI/CD
- Machine Learning
- Scikit-learn
- XGBoost
- LightGBM
- CatBoost
- PySpark
- Kubernetes
Возможные вопросы на собеседовании
Проект связан с прогнозированием спроса, где временные ряды являются ключевым элементом.
Как вы организуете процесс кросс-валидации для временных рядов, чтобы избежать утечки данных из будущего?
Вакансия предполагает переход от разработки к ML-инженерии.
В чем, по вашему мнению, заключается основная сложность при переносе ML-модели из Jupyter Notebook в масштабируемый продакшен-сервис?
Упоминается работа с большими данными и PySpark.
Расскажите о вашем опыте оптимизации запросов в PySpark. Какие механизмы (например, broadcast join) вы использовали для ускорения обработки?
Требуется знание алгоритмов и оценки сложности.
Реализуйте алгоритм поиска скользящего среднего в потоке данных с фиксированным окном. Какова будет временная и пространственная сложность вашего решения?
Работа в паре с Data Scientist требует понимания метрик.
Какие метрики качества регрессии (например, RMSE, MAE, MAPE) наиболее критичны для задач прогнозирования спроса в FMCG и почему?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
