Чем предстоит заниматься:
-
Проектировать и прототипировать Data Science компоненты в рамках рабочих направлений по продуктовому портфелю Дивизиона ИИ.
-
Участвовать в построении архитектуры решений, включая технический анализ интеграции DS компонент в продукты.
-
Определять и внедрять лучшие практики, применять передовые (SOTA) подходы в области data science, машинного и глубокого обучения для решения продуктовых и платформенных задач.
-
Обеспечивать координацию и техническое лидерство (dotted-line reporting) командой data science инженеров для достижения высокого качества результатов.
-
Сотрудничать с другими департаментами для определения требований к данным и моделям, а также для согласования стратегии использования данных. Аргументированно предлагать и отстаивать оптимальные DS решения с учетом производительности, качества, масштабируемости в рамках доступных ресурсов.
-
Участвовать в разработке дорожных карт и планов по технологическому развитию Дивизиона, отвечать за дорожную карту Дивизиона в области DS. - Проводить технические обзоры кода, моделей и (SOTA) подходов машинного/глубокого обучения, а также наставлять членов команды в вопросах data science.
-
Постоянно актуализировать и расширять экспертизу в data science домене и на стыке взаимодействия с другими подсистемами.
Мы ждем от будущего члена команды:
- Опыт работы в роли Data Scientist минимум 5 лет, из которых не менее 2 лет в качестве Tech Lead или Архитектора (LLM).
- Высшее образование в области математики, статистики, информационных технологий или смежных областях.
- Глубокие знания в области машинного обучения, статистического анализа и big data технологий.
- Опыт работы с Python, с практикой самостоятельного построения тренировочных пайплайнов ML/DL моделей.
- Опыт внедрения натренированных моделей в коммерческий продукт с гарантией масштабируемости решения.
- Отличные коммуникативные навыки и способность взаимодействовать с различными уровнями менеджмента и техническими командами
Будем рады предложить:
- Конкурентный уровень заработной платы;
- Гибридный или полностью удаленный формат работы;
- Возможность расти горизонтально и вертикально, а также в зависимости от результатов и интересов перемещаться между проектами и командами.
