Привет! Мы — SHEVEREV, аккредитованная IT-компания, занимающаяся заказной разработкой веб-сервисов и мобильных приложений различной сложности.
Мы создаём цифровые продукты, которые меняют мир. От платформ для онлайн-обучения до удобных сервисов для путешествий. Работаем с лидерами российского и зарубежного рынков, решая самые сложные задачи с помощью передовых технологий.
Чем предстоит заниматься:
-
Глубокий анализ данных: Проведение разведочного анализа (EDA), выявление закономерностей, аномалий и генерация гипотез для улучшения качества и метрик ML-моделей.
-
Feature Engineering & Data Discovery: Поиск, исследование и создание новых признаков из сырых данных. Оптимизация существующих признаков. Описание целевых структур данных и механизмов их преобразования.
-
Качественная и количественная оценка данных: Анализ пригодности данных для обучения моделей, их полноты, согласованности и репрезентативности.
-
Эксперименты и валидация: Проектирование и анализ A/B-тестов для оценки влияния новых алгоритмов и фич на бизнес-метрики.
-
Бизнес-аналитика и отчетность: Разработка понятных отчетов и дашбордов, которые показывают влияние работы моделей на ключевые бизнес-показатели (например, уровень наличия товара, потери продаж).
-
Ad-hoc анализ: Оперативное исследование взаимосвязей между результатами работы моделей, действиями пользователей и бизнес-метриками по запросам команды и заказчика.
-
Участие в проектировании: Помощь в сборе требований, анализе данных и подготовке технического задания на этапе проектирования системы.
Мы ищем кандидата, который имеет:
-
Опыт коммерческой работы в области анализа данных / Data Science от 4 лет.
-
Отличное знание Python и его экосистемы для анализа данных (Pandas, NumPy).
-
Продвинутый уровень SQL для сложных агрегаций и извлечения данных.
-
Глубокое понимание статистики, опыт планирования и проведения A/B-тестов.
-
Сильные навыки feature engineering и работы с "сырыми" данными.
-
Опыт визуализации данных и создания отчетов для технических и бизнес-аудиторий.
-
Умение ясно формулировать гипотезы, презентовать результаты и работать в команде.
-
Понимание основ машинного обучения и жизненного цикла ML-моделей.
Будет значительным плюсом:
-
Опыт в ритейле, логистике или в смежных доменных областях, связанных с прогнозированием спроса/наличия.
-
Опыт работы с данными из ERP-систем или корпоративных хранилищ.
-
Навыки работы с инструментами BI (Superset, Tableau, Power BI).
-
Знакомство с MLOps-практиками и принципами работы ML-моделей в production.
