#ВкусноИТочка: Data Scientist
#Офис #Москва
⚙️ Требования:
• Опыт в #ML от 2 лет;
• Понимание принципа работы основных алгоритмов классического ML;
• Уверенное владение основным стеком: #python, catboost\lightgbm, sklearn, pandas, numpy;
• Навыки написания оптимальных #sql запросов (оконные функции);
• Умеете строить и проверять гипотезы, объясняющие особенности в данных;
• Навыки ведения совместной разработки (gitlab, ci\cd);
• Опыт работы с моделями временных рядов;
• Опыт работы с распределенными СУБД (Greenplum, Arenadata Db);
• Опыт работы с airflow/mlflow/dvc;
• Опыт ведения документации своих проектов, ведение задач в таск-трекере;
• Опыт проведения A/B тестов;
• Опыт в #рексис;
• Опыт работы с Linux.
⚡️ Что делать:
• Работа с данными (очистка данных, исследование, feature engineering);
• Выдвижение и проверка гипотез;
• Обсуждение задачи с бизнес заказчиками;
• Разработка прогнозных моделей машинного обучения на основе табличных данных (прогноз продаж, прогноз кол-ва чеков, ценообразование);
• Проведение экспериментов, подбор метрик, валидация моделей и мониторинг их качества;
• Доведение моделей до production (согласно CI\CD процессу);
• Дизайн и проведение A\B тестов.
🚀 Откликнуться
#Офис #Москва
• Опыт в #ML от 2 лет;
• Понимание принципа работы основных алгоритмов классического ML;
• Уверенное владение основным стеком: #python, catboost\lightgbm, sklearn, pandas, numpy;
• Навыки написания оптимальных #sql запросов (оконные функции);
• Умеете строить и проверять гипотезы, объясняющие особенности в данных;
• Навыки ведения совместной разработки (gitlab, ci\cd);
• Опыт работы с моделями временных рядов;
• Опыт работы с распределенными СУБД (Greenplum, Arenadata Db);
• Опыт работы с airflow/mlflow/dvc;
• Опыт ведения документации своих проектов, ведение задач в таск-трекере;
• Опыт проведения A/B тестов;
• Опыт в #рексис;
• Опыт работы с Linux.
• Работа с данными (очистка данных, исследование, feature engineering);
• Выдвижение и проверка гипотез;
• Обсуждение задачи с бизнес заказчиками;
• Разработка прогнозных моделей машинного обучения на основе табличных данных (прогноз продаж, прогноз кол-ва чеков, ценообразование);
• Проведение экспериментов, подбор метрик, валидация моделей и мониторинг их качества;
• Доведение моделей до production (согласно CI\CD процессу);
• Дизайн и проведение A\B тестов.
Please open Telegram to view this post
VIEW IN TELEGRAM