Data Scientist (Middle) (компания не указана)
Data Scientist / ML Engineer
#вакансия #remote #Data #Scientist #Retail #Middle #Python ** Позиция:** Data Scientist (Middle) **Вилка: 240.000 - 260.000 Локация:** РФ** Занятость: **Fulltime** Формат работы: Удаленно Оформление: **Только ИП** Компания: **Top Selection Привет! Меня зовут Александр. Я представляю группу компаний Top Selection. Мы занимаемся продуктовой разработкой и привлечением специалистов на проектную работу для рынка России В данный момент мы в поисках Data Scientist ✅Обязательные требования - Профильное образование/наличие сертификатов по специализациям анализа данных и машинного обучения; - Опыт работы в области data science от 2 лет; - Python: python (PEP 8); - Способность 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; - Знакомы с базовой теорий вероятности и статистикой; - Знакомы 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; Git; PyTest; Spark 2.2+; Grafana/Airflow; - Визуализация данных (matplotlib, seaborn, plotly/BI - инструмента). **📱Контакты для связи:** @AleksandrLuzgin