Middle Data Scientist - удаленка в НТА

#удаленка #вакансия #datascientist #middle

☁️позиция: middle data scientist

🏙компания: it pearls (проект x5 retail group)

💰зп: вилка: 180к — 250к

📅формат работы: удаленка (рф)

📅занятость: full-time

📌задачи:

- разработка алгоритма ранжирования plu на основе финансовых показателей так, чтобы наш ds-модуль мог учитывать в прогнозе продаж ранее неиспользованные финансовые показатели.

- доработка текущего алгоритма выдачи прогноза по товарам-новинкам, которые продаются менее 3х месяцев в магазинах сети - не учитываются при выдаче прогноза дальнейших продаж.

📌обязанности

- разработка кода и тестов на python, участие в командной разработке, участие в код-ревью 

- проработка и изменение дизайна существующих компонент при необходимости 

- подготовка и валидация обучающих выборок данных для внедрения и сопровождения математических моделей продуктов больших данных 

- расчет результатов аб-тестов, дизайн аб-тестов 

- внедрение современных методов машинного обучения и анализа данных в продуктах больших данных 

- разворачивание моделей и сервисов в контуре х5 (hadoop/k8s/airflow) 

- написание запросов на sql, оптимизация запросов (spark, в частности) 

- предлагает идеи для улучшения модели/подхода 

- предлагает прокси-метрики и функции потерь, связанные с бизнес-метриками 

- контроль соответствия результатов работы менеджеров по работе с большими данными в релизах продуктов больших данных. 

- техническая реализация data-science решений на продуктах департамента. 

- формирование требований к данным для разработки математических моделей в рамках релизов продуктов больших данных. 

- анализ предметной области с целью повышения качества моделей и формирования предложений по достижению целей проектов и продуктов больших данных.

📌требования:

- алгоритмы и структуры данных.

- умеет оценивать сложность алгоритмов 

- знает алгоритмы и структуры данных из стандартного курса

- знает оценку сложности структур из для стандартной библиотеки 

- знакомство с алгоритмами из расширенного набора: вероятностные, алгоритмы во внешней памяти, алгоритмы на графах твимс 

- предельные теоремы и умение их применять проверка гипотез бутстреп a/b-тесты variance reduction causal inference ml 

- понимает ml-алгоритмы и методы в области. 

- эффективно адаптирует их для решения задач при необходимости. 

- строит модели из стандартных компонент. 

- понимает шаги жизненного цикла ml-разработки и их взаимодействие в проекте, при необходимости изменяет существующий дизайн. 

- понимает, какие бизнес-метрики для модели нужно мониторить 

- может предложить прокси-метрики и функцию потерь, связанные с бизнес-метриками 

- может докатить простую модель в пилот имплементировать метод по статье встроить компонент в существующий пайплайн 

- знаком с менее распространенными методами мо (например: байесовские модели/pgm/vbi, rl и прочее). mlops 

- разово может зафиттить модель, по запросу проверить, жива ли она, обновить развернуть какое-либо необходимое по в кластере версионирование моделей, данных мониторинг работы моделей, качества данных sql простые запросы (select'ы/группировки и т.д.) окна 

- оптимизация запросов 

- engineering 

- переводит идеи в чистый код, который будут и исполнять, и читать 

- пользуется git'ом 

- пишет тесты 

- способен разбираться в чужом коде и эффективно его дебажить 

- базовое понимание всех компонентов архитектуры 

- использование лучших практик разработки db&bd 

- промышленный опыт работы с несколькими системами 

- знание внутреннего устройства систем, используемых в работе оптимизация вычислений/запросов транзакции/acid/индексы other 

- может декомпозировать понятные задачи 

- самостоятельно находит решение или использует существующие подходы для понятных задач