Условия оплаты: отсрочка 50 рабочих дней
Особые условия: просьба присылать CV вместе с кратким соответствием требованиям (чек), ФИО, датой рождения, штатный/с рынка.
Резюме должно содержать: образование, город, ключевые компетенции, название проектов, указана роль в проекте, описание самих проектов, обязанности специалиста, достижения (если есть), основные используемые технологии специалистом на проекте, состав команды.
Чем предстоит заниматься:
- Разработка программного кода.
- Участие в разработке ИИ продуктов отдела
- Разработка кода и тестов на python, участие в командной разработке, участие в код-ревью
- Разрабатывает архитектуру систем, использующих машинное обучение
- Подготовка данных для моделирования (получение, очистка)
- Расчет результатов АБ-тестов, дизайн АБ-тестов
- Построение моделей машинного обучения
- Разворачивание моделей и сервисов в контуре х5 (hadoop/k8s/airflow)
- Написание запросов на SQL, оптимизация запросов (spark, в частности)
- Предлагает идеи для улучшения модели/подхода
- Предлагает прокси-метрики и функции потерь, связанные с бизнес-метриками
- Контроль соответствия результатов работы менеджеров по работе с большими данными в релизах продуктов больших данных.
- Техническая реализация data-science решений на продуктах департамента.
- Формирование требований к данным для разработки математических моделей в рамках релизов продуктов больших данных.
- Анализ предметной области с целью повышения качества моделей и формирования предложений по достижению целей проектов и продуктов больших данных.
Требования:
- Алгоритмы и структуры данных;
- Умеет оценивать сложность алгоритмов;
- Знает алгоритмы и структуры данных из стандартного курса;
- Знает оценку сложности структур из для стандартной библиотеки;
- Знакомство с алгоритмами из расширенного набора: вероятностные, алгоритмы во внешней памяти, алгоритмы на графах ТВиМС;
- Предельные теоремы и умение их применять проверка гипотез бутстреп A/B-тестыусловия сходимости variance reduction causal inference байесовская оптимизация графические модели гауссовские процессы ML;
- Понимает ML-алгоритмы, включая SOTA-методы, в своей области.
- Знаком с менее распространенными методами МО (например: байесовские модели/PGM/VBI, RL и прочее).
- Выстраивает подход к прогнозированию понимает ограничения методов, прокси-метрик и необходимость использования новых знание SOTA в отдельных областях MLOps.
- Разово может зафиттить модель, по запросу проверить, жива ли она, обновить развернуть какое-либо необходимое ПО в кластере, версионирование моделей, данных мониторинг работы моделей, качества данных;
- Выстраивание инфраструктуры прогнозирования SQL;
- Простые запросы (select'ы/группировки и т.д.);
- Пользуется git'ом;
- Пишет тесты;