У роли понятный полный цикл ML-разработки и практический production-опыт, но уровень ведущего специалиста расходится с требованием 2-3 лет опыта, а работа привязана к одному проекту в HR-аналитике у аутсорсинговой компании.
Неясный уровень
?Аутсорсинговый проект
Актуальный стек
Полный цикл ML
Поддержка обучения
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
Текст:
Hirify AI/Оригинал
TL;DR
Ведущий Data Scientist / ML инженер (AI): Разработка и внедрение модели прогнозирования оттока клиентских менеджеров среднего бизнеса с акцентом на подготовку данных, feature engineering и оценку бизнес-эффекта. Фокус на построении воспроизводимых ML-пайплайнов, мониторинге качества прогнозов и интеграции модели в HR- и бизнес-процессы.
Локация: Москва; удалённая работа, гибкий график
Компания
USETECH — группа аккредитованных ИТ-компаний полного цикла разработки, работающая с DWH, BigData, AI/ML, Blockchain, BI, предиктивной аналитикой и цифровыми двойниками, а также создающая собственные ИТ-продукты.
Что делать
Разрабатывать и развивать модель прогнозирования оттока клиентских менеджеров среднего бизнеса — от постановки задачи до внедрения и оценки бизнес-эффекта.
Исследовать данные, формировать и проверять гипотезы, создавать признаки и проводить эксперименты с моделями.
Оценивать решения по ML-метрикам и бизнес-показателям, выбирать пороги риска и сценарии использования прогнозов.
Обеспечивать деплой модели, воспроизводимые пайплайны подготовки данных, обучения и расчёта прогнозов.
Настраивать мониторинг данных, стабильности признаков и качества прогнозов, организовывать переобучение.
Взаимодействовать с HR, бизнес-руководителями, аналитиками и разработчиками, объясняя результаты и ограничения модели.
Требования
Опыт работы в Data Science от 2–3 лет; в заголовке вакансии указан уровень ведущего специалиста, а в описании компании — опыт более 6 лет.
Уверенное владение Python, SQL, Spark и классическим ML-стеком.
Практический опыт разработки и внедрения ML-моделей в production.
Навыки подготовки данных, разработки признаков, работы с дисбалансом классов, временной валидацией и предотвращением утечек данных.
Понимание полного жизненного цикла ML-решения: обучение, деплой, мониторинг, переобучение и сопровождение.
Умение самостоятельно структурировать задачи, выбирать метрики качества и доводить решения до использования в бизнесе.
Способность объяснять прогнозы и ограничения моделей и связывать качество решения с бизнес-эффектом.
Готовность работать на стыке Data Science, HR и бизнеса, согласовывать требования и критерии успеха.
Хорошо, если есть
Опыт решения задач прогнозирования оттока клиентов.
Опыт работы с HR-данными или people-аналитикой.
Опыт построения воспроизводимых пайплайнов и работы с ML-инфраструктурой.
Культура и преимущества
Удалённая работа и гибкий график.
Расширенный полис ДМС со стоматологией и корпоративный психолог.
Предоставление необходимой техники для работы.
Обучение, сертификация, английский клуб, корпоративная библиотека и университет.
Профильные внутрикорпоративные сообщества, программы поддержки детей сотрудников и программа лояльности.
Будьте осторожны
Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →