Senior Data Scientist Greece

О позиции

Компания Satalia создаёт ИИ-системы уровня enterprise для WPP и её клиентов из FTSE 100. Под руководством Chief AI Officer Даниэля Хума компания работает как децентрализованная организация, где инженеры и учёные несут полную ответственность за свои домены. Вакансия позиционируется как технический лидер с возможностью участвовать в frontier research и разрабатывать прототипы, которые становятся производственными инструментами.

Чем заниматься

• Превращать бизнес-задачи в хорошо очерченные проекты машинного обучения
• Разрабатывать модели, агенты и оценочные хараcесы для обеспечения их безопасности и надёжности
• Вести проекты от планирования до внедрения: проектировать решения и работать с командой
• Объяснять сложную техническую работу инженерам, экспертам предметной области и стейкхолдерам
• Наставничество дата-сайентистов и повышение качества работы команды

Что ждут

• 5+ лет опыта построения ML/AI моделей и вывода их в продакшн
• Глубокая экспертиза методов моделирования структурированных и неструктурированных данных
• Опыт работы с LLM-powered системами
• Сильные навыки инженерии ПО: Python, git, тестирование, code review, CI/CD
• Доказанный опыт руководства техническими проектами и менторства дата-сайентистов
• Чёткая коммуникация с технической и нетехнической аудиторией

Будет плюсом

• Опыт работы с временными и геоспациальными данными
• Опыт разработки и тестирования агентов в продакшне
• Опыт применения федеративного обучения или других privacy-preserving методов
• Бэкграунд в mar tech, ad tech, audience modelling или media mix modelling
• Публикации в топовых изданиях или значимые open-source contributions

Условия

• Медицинское страхование
• Полная удалённая работа
• Гибкий график
• Влиятельные проекты с реальным impact
• Непрерывное обучение и развитие
• Культура автономии, инклюзивности и открытости

Навыки

• Python
• Machine Learning
• Deep Learning
• LLM
• Natural Language Processing
• Federated Learning
• Geospatial Analysis
• Computer Vision
• TensorFlow
• PyTorch
• Git
• CI/CD
• Agentic AI
• Model Deployment
• Data Engineering

Могут спросить на собеседовании

1. Расскажите о самом сложном ML-проекте, который вы выводили в продакшн. С какими вызовами столкнулись и как решили?
2. Какие подходы вы использовали для fine-tuning больших языковых моделей? Как оценивали их эффективность?
3. Как вы обеспечиваете reliability and governance агентов в продакшене? Какие метрики мониторите?
4. Опишите случай использования federated learning или privacy-preserving методов. Почему выбранный подход работал?
5. Как вы балансируете trade-off между экспериментацией новых методов и стабильностью продакшена?