Data Scientist Horizontal ML TML
Описание роли
На позиции Data Scientist в команде Horizontal ML TML вы будете отвечать за полный цикл разработки и поддержки машинных решений, необходимых для стратегических бизнес-направлений. Ваша главная задача — от формулировки гипотез до внедрения готовых моделей в продуктивные системы. Вы будете:
• Проектировать и обучать модели машинного обучения (классификация, регрессия, обнаружение аномалий, ранжирование), адаптированные под задачи компании;
• Настраивать и автоматизировать end-to-end ML-пайплайны с использованием PySpark и Hadoop-стека для обработки больших объёмов данных;
• Обеспечивать стабильную работу моделей: разрабатывать мониторинг качества, производительности и метрик, проводить регулярные ревью результатов;
• Интегрировать алгоритмы в существующие сервисы и API с учётом требований к отказоустойчивости и масштабируемости;
• Взаимодействовать с продуктовыми и инженерными командами для корректного сбора данных, формулировки бизнес-требований и масштабирования решений.
Особенности вакансии
Команда Horizontal ML TML предлагает гибридный формат работы (сочетание удалённого режима и выездов в офис). Мы ценим:
• Использование передовых технологий: PySpark, Hadoop, Kafka, Snowflake, MLflow;
• Возможность участия в проектах на стыке ритейла, маркетплейсов и B2B-сервисов;
• Гибкую систему постановки задач и прозрачный процесс code review с наставничеством;
• Доступ к внутренним хакатонам, регулярным встречам Data Science Community и программам сертификации;
• Приятную атмосферу в кросс-функциональных командах, где решения сразу влияют на продуктовые метрики.
О компании
Horizontal ML TML — инновационная технологическая команда, фокусированная на создании масштабируемых ML-решений для крупных корпоративных клиентов. Мы объединяем экспертизу в области больших данных, машинного обучения и облачных технологий, чтобы оптимизировать процессы и повышать эффективность бизнес-процессов. В нашей культуре важны открытость знаний, инициативность и постоянное профессиональное развитие.
