- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Senior Data Scientist
Оценка ИИHeadHunter — топовый работодатель с сильной инженерной культурой и огромными массивами данных. Вакансия предлагает работу с современным стеком и сложными задачами на больших масштабах.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в NLP и ранжировании, а также серьезной алгоритмической подготовки. Ожидается опыт работы с Big Data стеком (Cassandra, Hive) и умение выводить модели в продакшн.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior Data Scientist в Москве рыночный диапазон составляет 350,000–550,000 рублей. HeadHunter обычно предлагает конкурентоспособные условия, соответствующие верхнему эшелону IT-рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в HeadHunter уже сейчас
Присоединяйтесь к команде HeadHunter и создавайте передовые ML-решения для крупнейшего сервиса поиска работы!
Описание вакансии
*🔥*Senior Data Scientis
HeadHunter
Удалённо
Требования:
*✅*Опыт реализации и применения моделей машинного обучения в продакшн;
*✅*Понимание основных методов и алгоритмов Machine Learning;
*✅*Знание принципов работы нейросетевых моделей для обработки текста;
*✅*Опыт в ранжировании, рекомендациях, а также в nlp-задачах будет большим плюсом;
*✅*Уверенное владение Python (numpy, scipy, pytorch, sklearn), приветствуется знание и опыт с Java;
*✅*Алгоритмическая подготовка: знание основных алгоритмов и структур данных;
*✅*Желателен опыт работы с различными источниками данных: SQL, Cassandra, Hive, Presto, Kafka, etc.;
*✅*Понимание и опыт работы с A/B-экспериментами;
Откликнуться*🔎*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- A/B Testing
- Python
- NumPy
- PyTorch
- Machine Learning
- SQL
- NLP
- Scikit-learn
- Kafka
- Java
- Data Structures
- Algorithms
- Hive
- Cassandra
- SciPy
- Presto
Возможные вопросы на собеседовании
Проверка практического опыта вывода моделей в эксплуатацию и понимания CI/CD для ML.
Расскажите о самом сложном кейсе вывода ML-модели в продакшн: с какими техническими ограничениями вы столкнулись?
Вакансия предполагает работу с текстами и рекомендациями.
Какие архитектуры нейросетей вы бы использовали для задачи ранжирования резюме при поиске, учитывая специфику NLP?
Важно понимать, как кандидат оценивает эффективность своих решений.
Как вы проектируете A/B-эксперименты для рекомендательных систем, чтобы избежать проблемы сетевых эффектов?
В требованиях указаны Cassandra и Hive.
В каких случаях вы выберете Cassandra вместо классической реляционной БД для хранения признаков (features)?
Проверка фундаментальных знаний.
