Data Scientist Middle

Ставка: 1500, с НДС
Локация: любая

Обязательные требования
- Профильное образование/наличие сертификатов по специализациям анализа данных и машинного обучения;
- Опыт работы в области data science от 2 лет;
- Рython (PEP 8);
- Способен писать код по заданным стандартам качества;
- Знание стандартных алгоритмов и структур данных;
- Хорошее владение библиотеками для анализа данных, численных методов;
- Умение писать оптимальный по времени и памяти код;
- Сложность алгоритмов - дебаг и оптимизация кода;
- Разработка через тестирование;
- Свободное владение ООП;
- Работа с данными: SQL на базовом уровне (join, group by);
- Опыт работы с реляционными БД;
- Опыт работы на PySpark (broadcast join и тд, Spark UI);
- Иметь недоверие к данным, проверять их на корректность перед использованием;
- Умение реализовать любой запрос;
- Знание оконных функций;
- Умение определить неоптимальный запрос;
- Знаком с базовой теорией вероятности и статистикой;
- Знаком с понятиями АБ-тестирования и проверкой гипотез;
- Умение решать простые задачи по теории вероятности, статистике, логике;
- Знание классических методов ML;
- Знание полного цикла проведения АБ теста;
- Продвинутое владение аппаратом проверки гипотез: множественная проверка гипотез, параметрические/непараметрические методы, бутстреп;
- Изучение и имплементация продвинутых моделей ML: байесовские модели/PGM/VBI, RL и прочее;
- Работа с хорошо описанными задачами;
- Построение аналитических отчётов с заданными требованиями;
- Презентация аналитических изысканий, проверенных гипотез и тд;
- Погружение в метрики продукта: понимание основных метрик продукта и их особенностей, перевод бизнес задач в DS/DA/DE и декомпозиция комплексных бизнес-задач, построение прокси-метрик продукта;
- Стек: Python; SQL; визуализация данных (matplotlib, seaborn, plotly / BI - инструмента); Git; PyTest; Spark 2.2+; Grafana/Airflow.

Задачи на проекте
- Выбор и построение подходящих математических моделей для решения поставленных задач;
- Декомпозиция поставленных задач, определение пути решения, установка сроков решения;
- Проверка гипотез на основе статистических методов;
- Обсуждение выбранных решений с бизнес-заказчиком;
- Написание оптимальных SQL/SPARK-запросов, укладывающихся в SLA;
- Написание переиспользуемого продуктивного кода SQL/Python (а также его оптимизация);
- Использование или создание простых аналитических сервисов (MVP);
- Сode-review;
- Постановка процессов на регулярную основу;
- Настройка мониторинга качества регулярных процессов продукта;
- Участие в формировании ТЗ;
- Менторинг Junior.

Этапы отбора
1. Техническое интервью
2. Интервью с ПО

Описание проекта и команды
Крупная ритейл компания.

Откликнуться на запрос: @okabirorin
По вопросам партнерского сотрудничества: @ju_vetta