НовоеAI-конструктор резюме: правишь прямо на листе A4, а нейросеть подсказывает, что усилитьКонструктор резюме на листе A4Попробовать
JobPath
Начать бесплатно

Gopuff

Principal Data Scientist - Consumer

  • Удалённо
  • United States
  • 45 дн. назад

Gopuff ищет Principal Data Scientist для лидерства в разработке персонализированного покупательского опыта. Ключевая задача — создавать рекомендательные модели, системы ранжирования и решения на базе агентного ИИ, которые формируют уникальные впечатления клиентов.

О позиции

Вы станете техническим руководителем по персонализации шоппинга в Gopuff. Ваша работа напрямую влияет на рост компании через улучшение поисковых результатов, каталога, корзин и маркетинговых коммуникаций. Вы будете задавать технические направления, менторить дата-сайентистов и тесно сотрудничать с лидерами Product, Engineering и Marketing направлений.

Условия

  • Возможность повлиять на продуктовый опыт миллионов пользователей
  • Техническое лидерство в области персонализации и агентного ИИ
  • Работа с данными реального времени из микро-фулфилмент центров
  • Конкурентная компенсация и опционы
  • Гибкий график и возможность удалённой работы
  • Профессиональное развитие и менторские программы

Навыки

  • Python
  • SQL
  • Machine Learning
  • Deep Learning
  • Recommendation Systems
  • A/B Testing
  • MLOps
  • Apache Spark
  • TensorFlow
  • PyTorch
  • Statistical Analysis
  • NLP

Сложность отбора

Высокий уровень: роль Principal требует экпертности в архитектурном проектировании ML-систем, управлении технической стратегией и лидерстве команды

Оценка JobPath

Зарплата по рынку

900 000 – 1 400 000 ₽ в месяц

Оценка основана на рынке Principal Data Scientist в США с пересчётом в RUB по курсу ~92 за доллар; годовые диапазоны $110K-$170K конвертированы в месячные значения

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

  1. Как вы подойдёте к проектированию системы рекомендаций для динамически меняющегося ассортимента товаров?
  2. Опишите опыт внедрения рекомендательных моделей в продакшен. Какие метрики успеха вы отслеживали?
  3. Какой подход вы выберете для разработки агентов ИИ в потребительских интерфейсах? Как измерите их эффективность?
  4. Приведите пример, как вы балансируете между сложностью модели и требованиями производительности при низкой задержке?
  5. Как вы строили отношения с продукт-менеджерами и инженерами для доставки ML-решений в срок?

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно

Связаться с поддержкой

Выбери, где удобнее написать