Junior Applied ML Engineer / Data Scientist

Навыки

• Airflow
• Самостоятельность
• XGBoost / LightGBM / CatBoost
• Machine Learning
• MLOps
• NLP
• NumPy

О компании и продукте

• Ищем перспективного junior / junior+ специалиста, который хочет расти в области Applied ML Engineering: работать с реальными грязными данными, строить признаки и модели, доводить решения до практического использования и постепенно брать на себя больше ответственности. Нам не нужен человек, который уже всё знает. Нам нужен человек, который любит работать с данными, хорошо знает базу, быстро учится, не боится неопределённости и хочет развиваться на живой продуктовой задаче в области инвестиционного скоринга недвижимости

Задачи

• Работать с исходными данными по недвижимости: объявления, тексты, цены, геоданные, поведение продавцов, рыночная динамика
• Делать EDA: искать закономерности, проверять гипотезы, находить проблемы в данных
• Готовить признаки для ML-моделей: текстовые, табличные, временные, географические
• Помогать строить модели для оценки инвестиционной привлекательности объектов: рейтинг, справедливая цена, доходность, ликвидность
• Участвовать в проверке качества моделей: подбор метрик, validation, анализ ошибок, интерпретация результатов
• Разбираться в деградации качества по сегментам: районам, типам объектов, ценовым категориям, периодам
• Постепенно брать на себя более сложные задачи: от анализа и прототипов до самостоятельных решений по отдельным частям ML-пайплайна
• Помогать структурировать ML-процесс: описывать гипотезы, фиксировать результаты экспериментов, поддерживать воспроизводимость
• Что нужно уметь на старте
• Python на уровне уверенной работы с данными: pandas, numpy, notebooks/scripts
• Базовый ML: classification, regression, train/test split, метрики качества, переобучение, leakage
• Базовая статистика: распределения, корреляции, проверка гипотез, доверительные интервалы
• SQL: выборки, join, group by, оконные функции будут плюсом
• Понимание feature engineering: как превращать сырые данные в признаки
• Умение аккуратно работать с грязными, неполными и шумными данными
• Способность объяснять свои выводы простым языком: что проверяли, что получилось, почему это важно
• Готовность разбираться в предметной области, задавать вопросы и доводить задачи до результата
• Nedvision.ai - резидент Сколково, МТК
• Вилка з/п - от 100 тыс
• Real Estate Investment Scoring

Будет плюсом

• Опыт с scikit-learn, CatBoost / LightGBM / XGBoost
• Базовое понимание NLP: embeddings, sentence-transformers, признаки из текстов
• Интерес к геоаналитике: координаты, расстояния, районы, POI, H3, PostGIS / GeoPandas
• Опыт с Airflow / MLflow / experiment tracking
• Опыт работы с marketplace / classifieds / real estate / fintech данными
• Умение использовать AI coding tools для ускорения работы без потери качества
• Чему научим
• Работать с геоаналитикой в прикладных ML-задачах
• Строить признаки для объектов недвижимости: локация, транспортная доступность, окружение, район, трафик, динамика рынка
• Понимать домен недвижимости: цена, ликвидность, доходность, качество объявления, поведение продавца
• Проверять ML-модели честно: time-based split, backtesting, out-of-time validation, анализ деградации по сегментам
• Доводить ML-решения от гипотезы и прототипа до практического использования в продукте
• Работать с задачами, где нет готового учебного ответа, а нужно думать, проверять и принимать обоснованные решения
• Что дадим
• Много практики на реальных данных и реальных бизнес-задачах
• Возможность быстро расти в Applied ML Engineering
• Доступ к сильной предметной задаче на стыке ML, недвижимости, геоаналитики и инвестиционного скоринга
• Карт-бланш на обоснованные решения: если гипотеза, подход или инструмент хорошо аргументированы, их можно пробовать
• Возможность брать на себя не только технические, но и смысловые и организационные задачи: формулировать гипотезы, структурировать эксперименты, предлагать улучшения процесса
• Работу в формате контракта или part-time с понятными задачами и постепенным ростом ответственности
• Резюме: @svetulyaa

Условия

• Формат: контракт или part-time

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.