- Страна
- Россия
Старший Data Scientist в команде Авито Путешествий
Авито — один из лучших работодателей в РФ с сильной инженерной культурой и интересными задачами на больших данных. Вакансия предлагает работу в активно растущем сегменте Путешествий, что гарантирует видимый результат работы.
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
Роль Senior уровня предполагает глубокие знания в системном дизайне ML-решений и опыт работы с ценообразованием, что требует высокой квалификации. Процесс отбора в Авито традиционно включает сложные технические секции и проверку навыков проектирования систем.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана, но для позиции Senior Data Scientist в крупных российских тех-компаниях (BigTech) уровень компенсации обычно находится в диапазоне 350 000 – 550 000 рублей после налогов. Авито традиционно предлагает конкурентные условия, соответствующие верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
К прогнозу погоды: из осадков — вакансия для DS-специалистов *☔️*
*🔗* Откликнуться станет проектировать ML-системы для ценообразования, промоаллокации и прогнозирования спроса, а также анализировать эксперименты и встраивать модели в продукт.
#datascience #недвижимость #python #docker #SQL #senior #ds_career
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Docker
- SQL
- Machine Learning
- Data Science
Возможные вопросы на собеседовании
Для Senior DS критически важно понимать, как модель влияет на бизнес-метрики и как правильно настроить логику изменения цен.
Как бы вы спроектировали систему динамического ценообразования для краткосрочной аренды жилья?
Проверка навыков работы с неопределенностью и оценки влияния ML-решений на продукт.
Какие метрики вы бы использовали для оценки эффективности промоаллокации и как бы вы разделяли эффекты от разных кампаний?
Проверка инженерных навыков и понимания жизненного цикла модели.
Расскажите о вашем опыте встраивания ML-моделей в высоконагруженные продукты. Какие инструменты мониторинга вы использовали?
Важно понимать, как кандидат работает с данными, которые имеют выраженную сезонность и внешние факторы.
С какими основными проблемами вы сталкивались при прогнозировании спроса и как вы их решали?
Проверка умения обосновывать архитектурные решения.
Опишите дизайн ML-системы, которую вы проектировали с нуля: от сбора данных до деплоя.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

