Staff Software Engineer, Agentic Analytics

О позиции

Cohere строит фундаментальные AI-модели и продукты для корпоративного рынка. Команда Analytics and Data Insights отвечает за формирование go-to-market стратегии, проведение экспериментов и предоставление руководству данных для принятия решений. Lead Data Scientist владеет полным аналитическим циклом — от постановки вопросов до вывода моделей в продакшн — и лично влияет на развитие ключевых бизнес-направлений компании.

Будет плюсом

• Опыт работы с инструментами современного data stack: BigQuery, dbt, Looker, Airflow
• Лидерский стиль, сочетающий эмпатию и data-driven подход

Условия

• Удалённый формат работы с возможностью работать в офисах Торонто, Сан-Франциско, Нью-Йорка, Лондона, Парижа и Монреаля
• 6 недель оплачиваемого отпуска (30 рабочих дней)
• Полное медицинское и стоматологическое страхование, включая отдельный бюджет на ментальное здоровье
• 100% компенсация декретного отпуска до 6 месяцев для любого из родителей
• RRSP matching / 401K / пенсионная схема в зависимости от страны
• Еженедельная компенсация обеда $75, стипендия на обустройство домашнего офиса $500
• Ежегодные обогащающие бенефиты: искусство и культура, фитнес, образование и коучинг, улучшение рабочего места
• Бюджет на поездки в другие офисы и ежегодный общекорпоративный выезд

Навыки

• Python
• SQL
• Git
• Statistics
• A/B Testing
• Causal Inference
• Machine Learning
• Predictive Modeling
• Experimental Design
• BigQuery
• dbt
• Looker
• Apache Airflow
• Data Analysis
• Team Leadership
• Forecasting
• Segmentation

Могут спросить на собеседовании

1. Опишите эксперимент, который вы спроектировали от нуля до вывода в продакшн. Какие методологические компромиссы пришлось сделать?
2. Как вы определяете приоритеты аналитических задач команды, когда стейкхолдеры из продукта, продаж и финансов одновременно запрашивают разные вещи?
3. Расскажите о случае, когда результаты вашего анализа противоречили интуиции руководства. Как вы донесли свою позицию?
4. Как вы подходите к менторству дата-сайентиста, который технически силён, но испытывает трудности с коммуникацией результатов бизнесу?
5. Каузальный вывод vs. корреляционный анализ — когда вы выбираете более сложный подход, а когда достаточно более простого? Приведите конкретный пример.