Senior Data Scientist

• Что предстоит делать:

• Заложить фундамент ML-разработки в компании: трекинг экспериментов, воспроизводимость, релиз моделей и мониторинг качества;

• Исследовательский анализ данных ClickHouse (сырые и подготовленные слои) — тренды, аномалии и четкое понимание того, что лежит в основе продукта Intelligence;

• Разработка, обучение и итерация моделей для сценариев Intelligence в пользовательских кабинетах: аналитика и предиктивные продуктовые метрики (скоринг, отток, прогнозирование, обнаружение аномалий), персонализация и сценарии управляемых действий;

• Интерфейс LLM поверх аналитических данных: дизайн промптов, оценка, проверка ответов по ClickHouse и подготовленным корпоративным данным, с соблюдением строгих правил контроля доступа;

• Инжиниринг признаков в основном в ClickHouse через SQL (агрегаты и материализованные представления), избегая ненужного экспорта больших объемов данных из кластера;

• Выпуск минимально жизнеспособных моделей; валидация влияния продукта по сравнению с эвристиками и сильными базовыми моделями;

• Офлайн-оценка и онлайн-эксперименты (A/B или аналогичные) на реальном трафике или пользователях перед полномасштабным развертыванием;

• Сотрудничество с инженерами данных при поступлении новых источников или изменении схем;

• Согласование гипотез и приоритетов с продуктовыми командами BU.

• Кого мы ожидаем:

• Отличное знание Python для ML и аналитики;

• Продвинутый SQL для аналитических выгрузок и инжиниринга признаков в ClickHouse (агрегации, оконные функции, проектирование производительных запросов);

• Практический опыт работы с ClickHouse: дизайн таблиц, ключи сортировки, индексация, агрегаты, материализованные представления;

• Практический опыт работы с Pandas, NumPy и scikit-learn — обучение, валидация, интерпретация и метрики, соответствующие продукту;

• Уверенное знание теории вероятностей и математической статистики; проверка гипотез и A/B или квази-эксперименты;

• Понимание общих ML-алгоритмов и их ограничений;

• Понимание колоночных аналитических баз данных;

• Опыт end-to-end развертывания ML-моделей в продакшене (от данных до serving), включая среды без готового ML-Ops стека;

• MLflow, DVC или аналогичные инструменты для воспроизводимых экспериментов и аккуратной передачи инженерам;

• Понимание систем контроля версий (Git) и опыт использования Git в командной разработке;

• Практический опыт работы с AI и LLM моделями через API — промптинг, сравнение моделей и проверка качества выходных данных для сценариев типа Intelligence, основанных на ClickHouse и подготовленных корпоративных данных.

• Будет плюсом: Опыт работы с RAG, embeddings или fine-tuning.

• Мы предлагаем:

• Работа в международной компании;

• Гибридный формат работы (офис/удаленка);

• Корпоративное обучение — курсы и тренинги;

• Добровольное медицинское страхование после испытательного срока;

• Эффективная программа онбординга для лучшего старта;

• Корпоративные мероприятия и тимбилдинги.