Data Scientist

О вакансии

Чем предстоит заниматься

• Разработка через тестирование;
• Проектирование расписания процессов (airflow, cron);
• Задачи на проекте
• 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.
• Этапы отбора
• 1. Техническое интервью
• 2. Интервью с ПО

Что нужно для работы

• Опыт работы в области data science от 3 лет;
• Знание стандартных алгоритмов и структур данных;
• Умение писать оптимальный по времени и памяти код;
• Опыт проектирования архитектуры проектов;
• Опыт работы с CI/CD;
• Опыт работы с реляционными БД;
• Опыт работы на PySpark (broadcast join и тд, Spark UI);
• 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;
• Умение решать простые задачи по теории вероятности, статистике, логике;
• Знание классических методов ML;
• Знание полного цикла проведения АБ теста;
• Знание методов снижения дисперсии в экспериментах;
• 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;
• Умение формировать новые направления для исследований;
• Умение определить слабые/сильные стороны бизнес-логики продукта;