About the role
до 485к gross (до 422к net)
Важно: график гибкий (удаленный), но требуется нахождение в Москве/Московской области с возможностью иногда приезжать в офис (ст м Технопарк)
Есть вероятность, что к весне потребуется посещение офиса раз в неделю
_______________________________________
Куда требуется специалист: команда качества данных, которая разрабатывает контроли для источников, витрин и результатов моделей, а также внедряет контроли на основе ML-моделей и AI агентов
Ключевой стек: Python, SQL, Airflow, PySpark, Hadoop/Hive, MLflow
- Исследовать и прототипировать новые методы контроля качества данных на наших данных.
- Проектировать ML- и статистические контроли для выявления аномалий, дрейфа распределений, деградации свежести данных, нарушений сезонных паттернов и нетипичных комбинаций метрик.
- Строить базовые ожидания по DQ-метрикам: row_count, null_rate, unique_count, свежесть данных, доли категорий.
- Подбирать подходящие методы под конкретную задачу: от простых правил и статистических проверок до ML-моделей.
- Валидировать контроли без готовой разметки: проверять их на исторических данных, использовать синтетические аномалии, shadow mode и анализ ложных срабатываний.
- Интегрировать решения в production-пайплайны: Airflow, PySpark, Hive/Hadoop.
- Настраивать алертинг для операционных команд и сопровождать решения в production.
- Опыт в ML / Data Science от 3 лет.
- Уверенное владение Python (pandas, numpy, scikit-learn) и SQL.
- Сильная база по математической статистике и классическому машинному обучению: линейные модели, деревья, бустинги.
- Опыт с методами выявления аномалий и/или обнаружения дрейфа данных.
- Опыт работы с временными рядами.
- Опыт вывода моделей в production, их мониторинга и версионирования.
- Понимание, где действительно нужен ML, а где достаточно правила, SQL-проверки или статистического базового контроля.
Будет плюсом:
- Опыт построения DQ-фреймворка, системы мониторинга качества данных или мониторинга ML-моделей в production.
- Опыт мониторинга признаков и скорингов моделей: дрейф признаков, дрейф скорингов, delayed labels.
- Опыт с Kafka, Flink или Spark Structured Streaming.
- Опыт работы с банковскими, финансовыми или транзакционными данными.
- Опыт с объяснимостью моделей: SHAP, permutation importance, анализ причин срабатывания контроля.
- Опыт настройки алертинга и дашбордов для операционных команд.
Развитие и обучение
Проекты для крупного бизнеса, внутренние митапы и разговорные клубы английского языка
Забота и поддержка
Служба заботы о сотрудниках и индивидуальное сопровождение каждого коллеги на всех этапах развития в компании. А еще — ДМС со стоматологией и регулярная обратная связь
Комфорт
Работа в аккредитованной IT-компании, зарплата по рынку, техника для работы и человекоцентричный подход, где сотрудник = внутренний клиент компании
Драйвовое комьюнити
Команда прокаченных специалистов, внутренние события и уникальная корпоративная культура с маскотом IT-тигром и поддерживающим комьюнити