Старший спеціаліст із обробки даних

НАША МІСІЯ
Щоб стати обраним місцем для зміни автомобіля. Поєднавши технології, засоби масової інформації та глибокий автомобільний досвід, ми перевернули те, як люди купують, продають, рекламують і орендують автомобілі.
Те, що починалося як простий сайт оглядів, тепер є одним із найбільших онлайн-сайтів для заміни автомобіля в Європі. Лише за минулий рік ми зросли на понад 50% завдяки купленим на місці автомобілям майже на 3 мільярди фунтів стерлінгів, у той час як автомобілі на 1,8 мільярда фунтів були виставлені на продаж через нашу послугу «Продати мій автомобіль».
У 2024 році ми стали великими й придбали Autovia – творців журналів AutoExpress і Evo, подвоївши нашу аудиторію за ніч. Тепер у нас є один із найбільших каналів YouTube у світі з майже 10 мільйонами підписників і понад 1,1 мільярда переглядів на рік, а також ми продаємо 1,2 мільйона друкованих примірників наших журналів і щорічно охоплюємо понад 350 мільйонів веб-вмісту.
І ми ще далеко до завершення!

РОЛЬ
Ми шукаємо старшого спеціаліста з обробки даних, який приєднається до нашої відзначеної нагородами команди Data Science у вирішальний момент. Carwow керує двостороннім ринком — об’єднує покупців і продавців автомобілів у великих масштабах — і наука про дані лежить в основі того, як ми робимо цей ринок розумнішим, швидшим і ціннішим для всіх учасників. Насправді нещодавно ми виграли ініціативу року GenAI на British Data Awards.
Це практична посада з високим рівнем власності, яка працює централізовано в усьому бізнесі. Ви співпрацюватимете з комерційними, маркетинговими, продуктовими, фінансовими, інженерними та операційними командами, розробляючи та розгортаючи рішення для машинного навчання та штучного інтелекту, які досягнуть результатів на обох сторонах нашого ринку. Проблеми, над якими ви працюватимете, справді різноманітні: моделі ціноутворення, сигнали про схильність і попит, які збільшують маркетингові витрати, персоналізовані рекомендації щодо нашого веб-продукту та CRM, а також рішення на базі LLM для операційних завдань, таких як перевірка документів.
Ви перетворите неоднозначні бізнес-проблеми на структуровані, готові до виробництва рішення — і від вас очікується, що ви будете надавати їх наскрізно, від перших принципів до готовності до розгортання та далі.

ЩО ВИ БУДЕТЕ РОБИТИ

• Наскрізне ML & AI Delivery: керуйте ініціативами в галузі обробки даних від розробки проблем до розгортання, моніторингу та ітерації — забезпечуючи повний життєвий цикл виробництва. Через відсутність спеціальної інженерної функції ML ви несете відповідальність за те, щоб ваші рішення були надійними, масштабованими та ефективними в реальному світі ще довго після їх доставки.

• Застосування GenAI & LLM: розробляйте та створюйте рішення на базі LLM, де вони створюють справжню цінність для бізнесу — обробка документів, інтелектуальний пошук, розуміння вмісту тощо. Застосовуйте їх разом із класичним машинним моделюванням, чітко оцінюючи, де кожен підхід заслуговує на своє місце.

• Комерційний вплив: пов’яжіть свою роботу безпосередньо з бізнес-результатами. Незалежно від того, створюєте ви модель для підвищення ефективності маркетингу, ціновий сигнал для зваження комерційних рішень або систему рекомендацій для збільшення конверсії — ви розумієте бізнес-важіль, який застосовуєте, і відповідно розробляєте свої рішення.

• Створення прототипів і експериментування: швидко рухайтеся до тестування ідей, перш ніж приступати до повномасштабної розробки. Заздалегідь визначте точні показники успіху, чесно підтверджуйте та знайте, коли подвоїти, а коли піти.

• Міжфункціональне партнерство: тісно співпрацюйте з комерційними, маркетинговими, продуктовими, фінансовими, інженерними та операційними зацікавленими сторонами, щоб глибше зрозуміти проблеми, перш ніж шукати рішення. Перекладіть висновки в чіткі, дієві розповіді як для технічної, так і для нетехнічної аудиторії.

• Стандарти та майстерність: сприяйте спільному використанню найкращих практик, документації та способів роботи, які піднімають планку для функції науки про дані — і допомагайте молодшим членам команди розвиватися разом з вами. Постійно впроваджуйте можливості ШІ для підвищення ефективності, автоматизації та постійного використання нових можливостей.

ЩО ВАМ ПОТРІБНО
Будь ласка, зверніть увагу: ми знаємо, що жоден кандидат не підійде ідеально для всього, що ми перерахували в цій публікації, тому ми радимо вам подати заявку, якщо ви вважаєте, що ви близькі до завдання, але не зовсім відповідаєте. В ідеалі ви матимете

• Комерційне мислення: ви спочатку думаєте про вплив на бізнес. Ви розумієте, як ваші моделі пов’язані з доходом, ефективністю чи результатами для клієнтів — і ви використовуєте це, щоб визначити пріоритети, масштаби та повідомити про свою роботу.

• Партнерство із зацікавленими сторонами: підтверджена здатність працювати з комерційними, маркетинговими та продуктовими зацікавленими сторонами — перетворення бізнес-проблем у широкомасштабні рішення та чітке інформування про технічні рішення, проблеми та результати на всіх рівнях.

• Розсудливість: ви чітко орієнтуєтеся в інструментарії — знаєте, коли класичне машинне навчання є правильним, коли GenAI відкриває щось нове, а коли простіше рішення є чеснішою відповіддю. Сильний інстинкт масштабованості, надійності та зрозумілості.

• [Бонус] Досвід ринку або двосторонньої платформи: розуміння динаміки попиту/пропозиції та того, як наука про дані створює важелі впливу в контексті ринку.

НАБІР ТЕХНІЧНИХ НАВИЧОК

• Перевірений досвід ML: великий досвід створення, розгортання та підтримки моделей ML на Python у робочому середовищі — не лише в ноутбуках. Ви володіли моделями після того, як вони були відправлені, і знаєте, як зберегти їх здоровими.

• Повний життєвий цикл доставки (MLOps): комфортне забезпечення наскрізного життєвого циклу виробництва — навчання моделі, керування версіями, моніторинг та експериментування чемпіонів/претендентів — не покладаючись на спеціальну команду інженерів ML для виконання цієї відповідальності.

• Експертиза GenAI & LLM: практичний досвід створення рішень на основі LLM, які забезпечують вимірну бізнес-цінність. Ви розумієте, як застосовувати, оцінювати та розширювати ці інструменти — і ви чесно говорите про те, де вони не вистачають.

• Технічний рівень: великий досвід роботи в хмарному середовищі машинного навчання з принципами розробки програмного забезпечення — контроль версій, перевірка коду, модульне тестування та знайомство з контейнеризацією.…

Джерело: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/carwow/senior-data-scientist-london-428558)