Data Scientist
Summary
Data Scientist at IT-Implant, an accredited IT system integrator doing custom development for large Russian companies. The role focuses on demand planning and forecasting, A/B testing, causal inference, Bayesian methods, and classical ML, including taking models to production (MLOps). Mostly remote, 9:00–18:00 MSK.
Зарплата: до 270000 RUR (на руки)
Мы — аккредитованный системный интегратор, специализирующийся на заказной разработке и внедрении индивидуальных ИТ-решений для бизнеса.
Миссия компании:
Для компаний: Дать возможность сильным компаниям увеличиваться благодаря найму эффективных IT-специалистов.
Для соискателей: Дать возможность трудоустройства сильным кандидатам в передовые компании на выгодных условиях труда.
Для нашей команды: Обеспечить рост благополучия всех членов команды благодаря возможности зарабатывать, самосовершенствоваться и развиваться в рамках компании.
Требования:
Уверенный опыт работы в Data Science
Опыт коммерческой работы в роли Data Scientist от 3 лет. Уверенное владение Python, основами статистики, теории вероятностей и математического моделирования. Опыт самостоятельного решения прикладных бизнес-задач с использованием методов машинного обучения и статистического анализа.
A/B-тестирование и статистический анализ
Практический опыт проектирования и анализа A/B-тестов: формирование гипотез, выбор метрик, определение размера выборки, проверка статистической значимости и интерпретация результатов. Понимание условий сходимости, закона больших чисел, центральной предельной теоремы и ограничений статистических методов.
Variance Reduction
Понимание и практический опыт применения методов снижения дисперсии (variance reduction) в экспериментах. Знание CUPED и связанных подходов, умение оценивать влияние снижения дисперсии на чувствительность A/B-тестов и корректно интерпретировать результаты эксперимента.
Causal Inference
Знание методов каузального анализа (causal inference) и причинно-следственного моделирования. Понимание различия между корреляцией и причинностью, опыт работы с экспериментальными и наблюдательными данными. Знание подходов propensity score, uplift modeling, treatment effect и других методов оценки причинного эффекта будет преимуществом.
Байесовские методы и оптимизация
Практический опыт применения байесовских методов и статистического моделирования. Знание байесовской оптимизации, умение формулировать целевую функцию, выбирать acquisition function и применять методы оптимизации для поиска эффективных параметров моделей и бизнес-процессов.
Графические модели
Понимание и практический опыт работы с графическими вероятностными моделями: Bayesian Networks, Markov Random Fields и связанными подходами. Умение моделировать зависимости между переменными и использовать вероятностные модели для решения прикладных задач.
Гауссовские процессы
Знание Gaussian Processes, понимание принципов построения вероятностных моделей, оценки неопределенности и применения гауссовских процессов для регрессии, прогнозирования и оптимизации.
Demand Planning и Forecasting
Практический опыт решения задач Demand Planning и прогнозирования спроса. Знание методов временных рядов и forecasting, умение работать с сезонностью, трендами, выбросами, промо-эффектами и внешними факторами. Опыт построения, валидации и внедрения моделей прогнозирования в production.
ERP и APS
Понимание бизнес-процессов ERP и APS (Advanced Planning and Scheduling). Опыт работы с задачами планирования спроса, запасов, закупок, производства или поставок. Умение переводить бизнес-задачи планирования в математические модели и алгоритмы.
Работа с данными
Уверенное владение SQL, опыт работы с большими объемами данных и различными источниками. Навыки подготовки, очистки, исследования и трансформации данных, feature engineering и построения аналитических витрин для ML-задач.
Машинное обучение
Опыт применения классических алгоритмов машинного обучения для задач классификации, регрессии, кластеризации и прогнозирования. Уверенное знание Scikit-learn, Pandas, NumPy. Будет плюсом опыт работы с XGBoost, LightGBM, CatBoost, PyTorch или TensorFlow.
Валидация и оценка моделей
Понимание принципов корректной валидации моделей, выбора метрик и предотвращения data leakage. Опыт построения baseline-моделей, сравнения алгоритмов, анализа ошибок и оценки устойчивости результатов на новых данных.
Production и MLOps
Опыт вывода моделей в production и сопровождения ML-решений. Понимание принципов версионирования моделей и данных, мониторинга качества, переобучения и контроля деградации моделей. Будет плюсом опыт работы с MLflow, Airflow, Docker и CI/CD.
Взаимодействие с бизнесом
Опыт самостоятельной работы с бизнес-заказчиками: выявление проблем и целей, формулирование аналитических гипотез, согласование метрик и критериев успеха, презентация результатов и перевод результатов анализа в конкретные бизнес-рекомендации.
Будет плюсом:
Опыт работы с SAP, Oracle ERP, 1С:ERP или другими ERP-системами, знание APS-систем и процессов S&OP. Опыт решения задач управления запасами, прогнозирования продаж, планирования производства и supply chain. Знание PyMC, Stan, Prophet, Optuna, Darts и других инструментов для статистического моделирования и forecasting.
Условия:
Интересные проекты в крупнейших компаниях РФ.
Преимущественно удалённый формат работы.
График с 9:00 до 18:00 по МСК.
Возможность быстрого карьерного роста.
Трудоустройство в аккредитованной ИТ-компании.
Оформление по ТК РФ или через ИП (приоритет).
Работа в дружном, сплочённом коллективе.
Откликайтесь! Мы с нетерпением ждём вас в нашей команде!