Лемана Про·Москва·12 мая
Руководитель практики (DS/наука о данных)
Ориентир по рынку≈ 395 000 – 600 000 ₽наш грубый ориентир по 39 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана
🏢 ОфисLeadПолная занятостьКорпорация
Стоит ли откликаться
Сначала уточните детали
Объявление открыто подозрительно долго. Прежде чем тратить время на отклик, проверьте, ищут ли ещё.
2 из 4 в норме
Открыта долго: как понять до отклика, ищут ли ещё
Деньги
Вилку работодатель не назвал. Грубый ориентир: столько платят в 39 вакансиях уровня Lead по всему рынку, без учёта специальности.
Живость
Висит дольше, чем обычно закрываются такие вакансии:
- Висит 160 дней
- Висит дольше 90% вакансий того же грейда
- Зарплата не указана
Описание
Расписано подробно: обязанностей 5, требований 15. Картина ясна до первого созвона.
- Обещают
- ДМС со стоматологией, питание и психологическая поддержка
Что требуют
ОбязательноMLPythonscikit-learnNumPyPandasFastAPIgRPCCatBoostXGBoostSQL
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
Что стоит спросить: вопросы именно к этой вакансии для первого созвона
Когда откликаться
Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Чем предстоит заниматься
Cценарное планирование ресурсов в зависимости от внешних/ внутренних факторов (например, централизация функции/ развитие отдельных направлений и т.д.)
Развитие технологий ИИ в целом(ML/ AI) (оценка применимости технологий для задач бизнеса, умение запускать исследования в условиях ограниченности ресурсов)
Лидерство отдельных DS направлений/ небольших проектов/ исследований, если необходимо (ML/ AI)
Опыт проведения исследований алгоритмов машинного обучения, дизайн, разработка и тюнинг моделей машинного обучения, построение и оптимизация пайплайнов от признаков до обучения моделей, продуктовизация ML-решений, поддержка работоспособности решений, контроль качества получаемых данных
Опыт проведения аналитических исследований и R&D на больших данных с применением ML, нахождение оптимального архитектурного решения для удовлетворения потребностей бизнеса
Наши требования
Техническое образование
Опыт работы в data science - (ML/ AI)- от 5 лет
Опыт работы на лидерской позиции от 3х лет
Умение проверять статистические гипотезы
Знание и понимание основных метрик и принципов оценки качества моделей (ML/ AI) и получаемого с их помощью результата, способов валидации моделей
Уверенное знание python (классический набор библиотек для анализа данных/ машинного обучения: scikit-learn, numpy, pandas, plotly/ matplotlib/ seaborn)+современных бэкенд-фреймворков (FastAPI, gRPC)
Опыт обучения моделей градиентного бустинга, использования одной из библиотек (Catboost, LightGBM, XGBoost)
Знание SQL, опыт работы с реляционными СУБД
Умение работать с Git
Знание экосистемы LLM и GenAI (HuggingFace, LangChain, OpenAI API, LlamaIndex и др.)
Опыт проектирования и эксплуатации AI/ML-платформ в продакшне
Владение MLOps/DevOps-практиками (Docker, Kubernetes, CI/CD)
Опыт работы с системами логирования и мониторинга (Prometheus, Grafana, MLflow)
Опыт управления командой инженеров, постановки задач и code review
Работа с GPU-кластерами (on-prem и облачные: AWS/GCP/Azure)
Мы предлагаем
Работа в компании с развитой инженерной культурой
Гибкая система премирования
Расширенный социальный пакет: ДМС со стоматологией с первого месяца работы, психолог и страхование жизни, компенсация питания и оплата мобильной связи
Возможности профессионального роста, программы развития для сотрудников
Корпоративное обучение и доступ к базе знаний
Внутренние профессиональные сообщества и мероприятия
Автономность работы, возможность менять правила, ошибаться и создавать новое
Формат работы - офис
Современный офис в 2 минутах ходьбы от МЦК ЗИЛ
С каждым годом на выбор сотрудника становится доступно больше дополнительных опций. Например, частичная компенсация путешествий, затрат на обучение, спортивных занятий