Руководитель группы разработки Data Scientist

Python
О компании
Мы — DCS , IT-компания, специализирующаяся на AI-консалтинге.

Обладаем сильной экспертизой в области машинного обучения, NLP и LLM-проектов.
Работаем с крупными российскими и международными заказчиками, создавая решения федерального уровня.
Основные задачи:

Руководство командой из 5 Data Scientist’ов, каждый из которых ведёт собственный проект.

- Контроль качества решений: архитектура, код-ревью, метрики, reproducibility, безопасность.

- Управление приоритетами и загрузкой команды совместно с проджект-менеджерами и техническими лидами.

- Настройка инженерных процессов: CI/CD, тестирование, деплой, структура репозиториев и пайплайнов.

- Обеспечение стандартов безопасности: контроль доступов, хранение секретов, управление зависимостями.

- Ведение 1–2 ключевых проектов лично — от разработки фичей до внедрения модели и мониторинга в проде.

- Проведение R&D-сессий, развитие внутренней экспертизы, формирование стандартов и обмена знаниями.

Типовые проекты направления:

Предиктивная аналитика: прогноз спроса, объёмов операций, нагрузки на инфраструктуру, временные ряды с продовым мониторингом и авто-ретрейнингом.

- Классические модели рисков и скоринга: бинарные/мультиклассовые классификаторы, PD/LGD-подходы, интерпретируемость, строгий контроль метрик и drift-аналитика.

- Оптимизационные задачи: планирование ресурсов, расписаний, логистики, подбор параметров под бизнес-ограничения.

- Рекомендательные механики без LLM: коллаборативная фильтрация, матричная факторизация, градиентные модели, feature-store и офлайн/онлайн тестирование.

- Качество данных и аномалистика: алерты, автопрофилирование, scoring-модели для детекта выбросов, работа с большими датасетами и пайплайнами подготовки.

Требования к опыту и знаниям:
Core Data Science / Machine Learning

Уверенное владение Python и библиотеками: NumPy, Pandas, SciPy, scikit-learn, CatBoost, LightGBM.

- Опыт с PyTorch или TensorFlow , знание Statsmodels , MLflow , DVC.

- Понимание ключевых ML-паттернов и принципов построения воспроизводимых экспериментов.

Инженерная часть / MLOps:

Опыт с GitLab CI , Docker , Airflow или Prefect , FastAPI , Pydantic.

- Логирование (structlog, loguru), мониторинг (Prometheus, Grafana).

- Работа с MLflow Registry , S3/MinIO или аналогичными системами хранения артефактов.

Работа с данными и инфраструктурой:

Отличное знание SQL (PostgreSQL, MSSQL).

- Опыт работы с Dask, Polars или Spark — будет преимуществом.

- Опыт использования Pandera , Great Expectations для валидации данных.

- Базовое понимание Kafka , RabbitMQ.

Безопасность и стандарты разработки:

Управление секретами: Vault, GitLab secrets , RBAC, шифрование данных.

- Опыт с SAST-инструментами (Bandit, SonarQube), управление зависимостями.

- Знание архитектурных принципов: SOLID, DRY, KISS , паттернов Factory, Strategy, Repository, Dependency Injection.

Командная работа и процессы:

Опыт работы по Git flow , использование Jira/YouTrack , Confluence/Notion.

- Проведение код-ревью, документирование решений, внедрение best practices.

- Умение выстраивать коммуникацию с PM, DevOps, аналитиками, заказчиками.

Условия:

Полностью удалённый формат работы.

- Участие в ML- проектах федерального уровня.

- Работа в сильной команде экспертов, где ценится открытость, качество и развитие.

Откликнуться

EditPublish