Специалист по прикладным данным/инженер по машинному обучению (аналитика принятия решений)

Мы ищем ориентированного на продукт специалиста по прикладным данным или инженера по машинному обучению, который поможет создавать, поставлять и масштабировать продукты на базе машинного обучения, которые напрямую улучшат процесс принятия решений нашими клиентами, ведения бизнеса и обслуживания собственных пользователей.
Это не только исследовательская роль и не должность внутреннего аналитика, ориентированная на оказание услуг. Нам нужен кто-то, кто применил машинное обучение от определения проблем через экспериментирование, развертывание производства, измерение, итерацию и долгосрочное владение. Вы понимаете, что отличные модели не просто точны в блокнотах — они удобны в использовании, объяснимы, измеримы, масштабируемы и ценны внутри реального продукта.
Независимо от того, склоняетесь ли вы к инженерии данных/операциям машинного обучения или прикладной науке о данных, вы сильно склоняетесь к доставке и заинтересованы в объединении обоих миров для воплощения ИИ в жизнь.
ЧТО ВЫ БУДЕТЕ ДЕЛАТЬ:

Инжиниринг и внедрение искусственного интеллекта

•
Комплексное владение машинным обучением: стимулируйте развитие возможностей машинного обучения (прогнозирование, рекомендации, ранжирование, оптимизация или анализ решений), обеспечивающих работу SaaS-продуктов, ориентированных на клиентов.

•
Разработка конвейеров и моделей. Создавайте надежные конвейеры данных и функций вместе с моделями: от открытия до экспериментирования, проверки, развертывания и мониторинга.

•
Интеграция продуктов: сотрудничайте с менеджерами по продуктам и инженерами-программистами, чтобы внедрить машинное обучение непосредственно в рабочие процессы продукта, взаимодействие с пользователем и инструменты принятия решений.

•
Прагматическое прототипирование: быстро переходите от прототипа к производству, сохраняя баланс между точностью, интерпретируемостью, задержкой, удобством сопровождения и влиянием на бизнес.

Владение экосистемой и стратегия

•
Оценка и экспериментирование: определение стратегий автономной и онлайн-оценки, включая качество модели, дрейф и надежность. Разработайте A/B-тесты и системы причинно-следственных измерений, чтобы доказать, что функции ML улучшают результаты клиентов.

•
Состояние данных и циклы обратной связи. Сотрудничайте с группами данных, чтобы обеспечить поддержку моделей высококачественными функциями, а также создавайте циклы обратной связи, чтобы качество продукта со временем улучшалось.

•
Поддержка платформы и MLOps: помогите управлять и оптимизировать инфраструктуру облачных данных, обеспечивая достоверную информацию и упреждающее управление состоянием данных до того, как они повлияют на пользователей.

Продуктовое и техническое направление

•
Стратегическое суждение. Примите твердое решение, когда использовать традиционное машинное обучение, статистическое моделирование, LLM, эвристику или более простую логику продукта. Найдите практический компромисс между сложностью модели и влиянием на клиента.

•
Влияние на дорожную карту: четко сообщите, что ML может и не может решить, чтобы повлиять на решения по дорожной карте, помогая определить, где машинное обучение может создать настоящую дифференциацию продукта.

•
Наставничество: направляйте и обучайте других специалистов по данным, инженеров ML, аналитиков и межфункциональных партнеров по передовым практикам ML.

КТО ВЫ:

•
Проверенный разработчик: вы внедрили машинное обучение в реальные продукты. Вам удобно начинать с неоднозначной проблемы продукта, выяснять, является ли ML правильным решением, создавать его и оценивать, сработало ли оно.

•
Архитектор, ориентированный на продукт: вас волнует влияние продукта так же, как и производительность модели. Вы знаете, что модель с немного меньшей точностью, но более высоким доверием, более быстрым выводом, лучшей объяснимостью и более сильным принятием пользователями является лучшим решением для продукта.

•
Многопрофильный палач. Вы понимаете, что модель хороша настолько, насколько хорош конвейер, питающий ее. Вы уделяете приоритетное внимание удобству использования, «времени для понимания» и доверию клиентов так же, как и эффективности кода.

ЧТО ВЫ ПРИНЕСИТЕ:

•
Опыт: 3+ года (в идеале 5+) профессионального опыта в области прикладной обработки данных, машинного обучения или машинного обучения, включая практический опыт создания и внедрения моделей в серийные продукты. Опыт работы с SaaS-продуктами высоко ценится.

•
Техническое ядро: сильные навыки Python и практический опыт работы с прикладными библиотеками и платформами машинного обучения (например, Scikit-Learn, XGBoost, PyTorch, TensorFlow). Требуется солидный опыт работы с SQL.

•
ML и глубина моделирования: глубокое понимание контролируемого обучения, прогнозирования, ранжирования, систем рекомендаций, оптимизации или статистического моделирования. Опыт работы с реальными, несовершенными наборами данных о продуктах имеет важное значение.

•
Операции и оркестрация: Знакомство с концепциями MLOps (управление версиями моделей, конвейеры функций, оркестровка через Airflow/dbt/Dagster, мониторинг, обнаружение дрейфа) и современными платформами данных (например, Snowflake, BigQuery, Redshift, Databricks).

•
Облачная инфраструктура: практический опыт работы в облачных средах (AWS, GCP или Azure).

•
Коммуникация и сотрудничество: Отличные коммуникативные навыки и способность четко объяснять сложные технические компромиссы заинтересованным сторонам, заинтересованным в продукте, инженерным и нетехническим аспектам бизнеса.

БОНУСНЫЕ БАЛЛЫ ЗА:

•
Опыт работы с аналитикой принятия решений, прогнозированием, моделированием поведения клиентов, оптимизацией рабочей силы/маршрутов или продуктами оперативной аналитики.

•
Опыт работы с LLM, GenAI или агентными рабочими процессами, применимыми к реальным сценариям использования продукта.

•
Предыдущий опыт работы в качестве старшего или ведущего научного сотрудника, ответственного за техническое руководство.

ЧТО ВЫ ДОЛЖНЫ ЗНАТЬ О НАС:

• Мы расслаблены, но застегнуты на все пуговицы. Мы предлагаем непринужденную рабочую среду и гибкость удаленной работы, а также стремимся разрабатывать креативные, инновационные лучшие в своем классе решения, которые напрямую способствуют успеху наших клиентов.

• Мы глубоко заботимся о них и предоставляем услуги и решения, которые реально меняют жизнь наших клиентов и их бизнес.

• Мы открыто принимаем других такими, какие они есть, и строим прочные партнерские отношения, основанные на доверии.

• Командная работа и сотрудничество играют ключевую роль в оказании помощи нашим коллегам и клиентам в решении их задач.

• Наша команда энергичная, веселая, от природы любознательная и стремится оказать влияние, мы приглашаем вас присоединиться к нам!

ЛЮБИШЬ ТО, ЧТО ТЫ ДЕЛАЕШЬ, НЕЗАВИСИМО, ГДЕ ТЫ ЭТО ДЕЛАЕШЬ:…

Источник: Jobicy (https://jobicy.com/jobs/147495-applied-data-scientist-machine-learning-engineer-decision-intelligence).