Data Scientist

☑️ Чем предстоит заниматься -Выбор и построение подходящих математических моделей для решения поставленных задач -Выбор оптимальной архитектуры решения задач продукта -Выявление слабых мест продукта и их устранение -Поиск точек роста продукта -Синтез оптимальных математических моделей для решения задач продукта -Тесное взаимодействие с бизнес-заказчиком, консультантами и командой -Постановка и проведение АА/АБ/АБN - экспериментов -Ведение кодовой базы продукты и поддержание его на стабильном высоком уровне -Постановка задач и контроль их исполнения другими аналитиками -Cогласование решения задачи с руководством -Презентация и защита результатов -Менторинг Junior + Middle ☑️ Наши пожелания к кандидатам -Профильное образование/наличие сертификатов по специализациям анализа данных и машинного обучения -Опыт работы в области data science от 3 лет -Рython (PEP 8) -Способность писать код по заданным стандартам качества -Знание стандартных алгоритмов и структур данных -Хорошее владение библиотеками для анализа данных, численных методов -Умение писать оптимальный по времени и памяти код -Сложность алгоритмов - дебаг и оптимизация кода -Разработка через тестирование -Свободное владение ООП -Опыт проектирования архитектуры проектов -Проектирование расписания процессов (airflow, cron) -Передача проекта в production -Опыт работы с CI/CD -Работа с данными: SQL на базовом уровне (join, group by) -Опыт работы с реляционными БД -Опыт работы на PySpark (broadcast join и тд, Spark UI) -Иметь недоверие к данным, проверять их на корректность перед использованием -Умение реализовать любой запрос -Знание оконных функций -Умение определить неоптимальный запрос -Знание преимуществ и недостатков различных типов баз данных -Опыт разработки ETL пайплайнов -Умение разработать структуры БД -Умение работать с планом запроса -Транзакции/ACID/Индексы -Знаком с базовой теорией вероятности и статистикой -Знаком с понятиями АБ-тестирования и проверкой гипотез -Умение решать простые задачи по теории вероятности, статистике, логике -Знание классических методов ML -Знание полного цикла проведения АБ теста -Продвинутое владение аппаратом проверки гипотез: множественная проверка гипотез, параметрические/непараметрические методы, бутстреп -Изучение и имплементация продвинутых моделей ML: байесовские модели/PGM/VBI, RL и прочее -Знание методов снижения дисперсии в экспериментах -Обладать интуицией по возникновению шумов в данных и определению независимых групп -Умение анализировать эффекты без контрольных и тестовых групп -Опыт написания статей, выступлений на конференциях -Опыт работы с хорошо описанными задачами -Опыт построения аналитических отчётов с заданными требованиями -Опыт презентаций аналитических изысканий, проверенных гипотез и тд -Погружение в метрики продукта: понимание основных метрик продукта и их особенностей, перевод бизнес задач в DS/DA/DE и декомпозиция комплексных бизнес-задач, построение прокси-метрик продукта -Умение формировать новые направления для исследований -Умение определить слабые/сильные стороны бизнес-логики продукта -Опыт консультирования и работы в плотную с продактом или бизнес-заказчиком -Опыт декомпозиции бизнес целей в истории для анализа, оценки сроков решения задач -Умение поставить задачу мидлу -Стек: Python; SQL; визуализация данных (matplotlib, seaborn, plotly / BI - инструмента); Git; PyTest; Spark 2.2+; Grafana/Airflow; Docker; Kubernetes (K8S)