Middle Data Scientist
Не указаноУдаленно
MiddleRemoteКачество текста 2/5EN C2+
Data EngineerPythonSQLAWSAzure15д
Ключевые обязанности:
• Разработка, обучение и валидация ML моделей для классификации, регрессии, прогнозирования и кластеризации;
• Проведение разведочного анализа данных (EDA) и проектирование конвейеров инженерии признаков;
• Построение и поддержка конвейеров ML: предварительная обработка, обучение, оценка и развертывание;
• Работа со структурированными и неструктурированными данными с использованием SQL, Python и PySpark;
• Реализация и настройка моделей с использованием Scikit-learn, XGBoost, LightGBM, CatBoost, TensorFlow или PyTorch;
• Оценка производительности моделей с помощью метрик, кросс-валидации и A/B тестирования;
• Развертывание моделей в производственной среде и мониторинг их производительности;
• Сотрудничество с инженерами данных по конвейерам и хранилищам признаков;
• Перевод бизнес-требований в задачи по Data Science и представление результатов заинтересованным сторонам;
• Документирование архитектур моделей, экспериментов и методологий.
Требования:
• 3+ года коммерческого опыта в Data Science или Machine Learning;
• Уверенное владение Python для анализа данных, моделирования и автоматизации;
• Экспертные навыки SQL для извлечения данных, агрегации и сложных запросов;
• Практический опыт работы с PySpark для распределенной обработки данных;
• Твердое понимание классических алгоритмов ML и их практического применения;
• Опыт работы с Scikit-learn, XGBoost, LightGBM, CatBoost, TensorFlow или PyTorch;
• Сильная база в статистике, вероятности и математической оптимизации;
• Опыт работы с инженерией признаков, уменьшением размерности и выбором модели;
• Понимание концепций MLOps: версионирование моделей, отслеживание экспериментов и развертывание;
• Знание платформ облачного ML (AWS SageMaker, Azure ML или Vertex AI);
• Знание A/B тестирования, причинно-следственного вывода и инструментов визуализации данных;
• Сильное аналитическое мышление и способность переводить бизнес-проблемы в решения на основе данных.
Приятно иметь:
• Опыт работы с NLP (spaCy, NLTK, Hugging Face) или компьютерным зрением (OpenCV, Detectron2);
• Знание байесовских методов, прогнозирования временных рядов или графовых ML;
• Участие в конкурсах Kaggle, проектах с открытым исходным кодом или научных публикациях.
• Разработка, обучение и валидация ML моделей для классификации, регрессии, прогнозирования и кластеризации;
• Проведение разведочного анализа данных (EDA) и проектирование конвейеров инженерии признаков;
• Построение и поддержка конвейеров ML: предварительная обработка, обучение, оценка и развертывание;
• Работа со структурированными и неструктурированными данными с использованием SQL, Python и PySpark;
• Реализация и настройка моделей с использованием Scikit-learn, XGBoost, LightGBM, CatBoost, TensorFlow или PyTorch;
• Оценка производительности моделей с помощью метрик, кросс-валидации и A/B тестирования;
• Развертывание моделей в производственной среде и мониторинг их производительности;
• Сотрудничество с инженерами данных по конвейерам и хранилищам признаков;
• Перевод бизнес-требований в задачи по Data Science и представление результатов заинтересованным сторонам;
• Документирование архитектур моделей, экспериментов и методологий.
Требования:
• 3+ года коммерческого опыта в Data Science или Machine Learning;
• Уверенное владение Python для анализа данных, моделирования и автоматизации;
• Экспертные навыки SQL для извлечения данных, агрегации и сложных запросов;
• Практический опыт работы с PySpark для распределенной обработки данных;
• Твердое понимание классических алгоритмов ML и их практического применения;
• Опыт работы с Scikit-learn, XGBoost, LightGBM, CatBoost, TensorFlow или PyTorch;
• Сильная база в статистике, вероятности и математической оптимизации;
• Опыт работы с инженерией признаков, уменьшением размерности и выбором модели;
• Понимание концепций MLOps: версионирование моделей, отслеживание экспериментов и развертывание;
• Знание платформ облачного ML (AWS SageMaker, Azure ML или Vertex AI);
• Знание A/B тестирования, причинно-следственного вывода и инструментов визуализации данных;
• Сильное аналитическое мышление и способность переводить бизнес-проблемы в решения на основе данных.
Приятно иметь:
• Опыт работы с NLP (spaCy, NLTK, Hugging Face) или компьютерным зрением (OpenCV, Detectron2);
• Знание байесовских методов, прогнозирования временных рядов или графовых ML;
• Участие в конкурсах Kaggle, проектах с открытым исходным кодом или научных публикациях.