Data Scientist на проектную занятость

Навыки

• Airflow
• API (интеграции)
• Big Data
• XGBoost / LightGBM / CatBoost
• Анализ данных
• Решения на данных
• Docker

О компании и продукте

• Мы в поиске Data Scientist на проектную занятость. Грейд: middle+|senior

Задачи

• Полный цикл разработки ML-моделей: от исследования данных до внедрения в прод
• Построение и улучшение моделей (классификация, регрессия, сегментация)
• Работа с большими объемами данных, подготовка и очистка датасетов
• Разработка и оптимизация feature engineering
• Валидация моделей, работа с метриками, анализ качества
• Участие в проектировании ML-сервисов и пайплайнов
• Взаимодействие с аналитиками и инженерами для внедрения моделей
• Поддержка и доработка существующих решений
• Datascientist #вакансия

Требования

• Опыт работы в Data Science от 4 лет
• Уверенное владение Python (pandas, numpy, scikit-learn, CatBoost или подобные)
• Опыт построения и внедрения ML-моделей в продакшн
• Понимание метрик качества моделей и подходов к их улучшению
• Опыт работы с SQL (написание сложных запросов)
• Практический опыт feature engineering и работы с реальными данными
• Понимание полного ML lifecycle
• Опыт работы с задачами классификации /регрессии (churn,рекомендации,scoring и т.д.)

Будет плюсом

• Опыт работы с большими данными (Spark/ Hadoop)
• Опыт деплоя моделей (Docker, API-сервисы)
• Опыт работы сML pipeline инструментами (Airflow, MLflow)
• Понимание A/B-тестирования и causal inference
• Опыт работы с Kubernetes
• Опыт построения рекомендательных систем

Условия

• Локация: любая
• Оформление: только ИП ‼️
• Ставка: от 256К до 281К
• Гражданство РФ
• Загрузка: фуллтайм
• Срок: долгосрочный
• Проект: data platform
• Внутренний проект компании в Сербии по разработке платформы анализа больших данных и построения ML-моделей для оптимизации бизнес-процессов
• Платформа агрегирует данные из разных источников, позволяет строить предиктивные модели, а также внедрять их в продакшн-контур с мониторингом качества
• Основной фокус — развитие ML-решений и их интеграция в data-driven процессы

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.