Senior Data Scientist

Что за роль

Senior Data Scientist будет развивать аналитические и ML-решения для крупной ритейл-компании. В фокусе — продуктовые и бизнес-задачи: от выбора математической модели и проектирования решения до экспериментов, передачи результатов заказчикам и поддержки кода в production. Специалист также координирует работу аналитиков и помогает развиваться Junior- и Middle-коллегам.

Что предстоит делать

• Выбирать и разрабатывать математические модели для продуктовых задач, оценивать их применимость и ограничения.
• Проектировать архитектуру решений, выявлять слабые места продукта и находить направления для его улучшения.
• Планировать и проводить AA-, A/B- и A/B/N-эксперименты, проверять гипотезы и анализировать эффекты, в том числе при отсутствии контрольной и тестовой групп.
• Работать с данными и ETL-пайплайнами: проверять качество данных, разрабатывать структуры баз и оптимизировать SQL-запросы.
• Поддерживать кодовую базу и доводить решения до production, используя Python, PySpark и инструменты автоматизации процессов.
• Обсуждать задачи с бизнес-заказчиками, консультантами, продактами и командой; переводить бизнес-цели в аналитические задачи и оценивать сроки.
• Ставить задачи другим аналитикам, контролировать выполнение, согласовывать решения с руководством и представлять результаты.
• Менторить специалистов уровня Junior и Middle.

Что потребуется

• От трёх лет опыта в Data Science и профильное образование либо сертификаты по анализу данных и машинному обучению.
• Уверенное владение Python, ООП, стандартными алгоритмами и структурами данных; умение писать, отлаживать и оптимизировать код, следуя стандартам качества и применяя тестирование.
• Опыт работы с SQL и реляционными базами данных: оконные функции, транзакции, ACID, индексы, планы запросов и проектирование структур БД.
• Практический опыт PySpark, включая оптимизацию операций и использование Spark UI; разработка ETL-пайплайнов и планирование процессов через Airflow или cron.
• Знание классических методов ML, теории вероятностей и статистики; опыт проведения полного цикла A/B-тестирования и проверки гипотез, включая бутстреп и множественные сравнения.
• Опыт CI/CD, передачи проектов в production, подготовки аналитических отчётов и презентации результатов. В стеке также указаны Git, PyTest, инструменты визуализации, Grafana, Docker и Kubernetes.

Что важно знать

В описании сочетаются прикладной Data Science, продвинутая статистика и инженерная работа с данными. От специалиста ждут не только построения моделей и экспериментов, но и самостоятельного взаимодействия с бизнесом, презентации выводов и поддержки решений после передачи в production. Для отбора предусмотрены техническое интервью и интервью с ПО.