3+ года опыта в data analysis, data engineering, ML engineering, applied ML или близкой области
Уверенный Python: pandas/polars, numpy, visualization, notebooks, batch data processing
SQL и опыт работы с большими датасетами, manifests, metadata, dashboards или analytics pipelines
Понимание экспериментального дизайна: ablations, контрольные группы, statistical reliability, интерпретация метрик
Базовое понимание ML training / eval loop и связи состава данных с метриками модели
Умение анализировать мультимодальные данные: видео, временные ряды, actions, task metadata, labels
Способность переводить наблюдения из данных и ошибок модели в actionable recommendations
Хорошая письменная коммуникация для отчетов, журналов решений и постановки задач смежным командам
Опыт с robot learning, VLA, imitation learning, RL, CV/VLM datasets или embodied AI
Опыт с W&B, MLflow, Hydra, experiment tracking, dataset lineage
Опыт с annotation QA, active learning, data curation, anomaly detection или quality scoring
Понимание domain shift, camera shift, embodiment gap, task transfer и data-centric AI
Навыки работы с генеративными AI-моделями
Опыт создания AI-агентов и использования их в работе будет преимуществом
Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
Инструментальное владение AI для анализа, генерации и автоматизации