Junior Data Scientist Greece

О позиции

Satalia создаёт корпоративные AI-системы для WPP и её клиентов из FTSE 100. Компания работает как децентрализованная организация, где инженеры и учёные самостоятельно владеют своими доменами. Учёные по данным находятся в центре исследований WPP, проводя работы на грани науки и разрабатывая прототипы, которые превращаются в инструменты производственного уровня. Вы будете работать в команде со старшими дата-саентистами и инженерами, строя и тестируя модели, которые выходят в продакшен.

Чем заниматься

• Исследовать мультимодальные датасеты и создавать фичи и пайплайны для моделей. Строить и тестировать модели и агенты под руководством старших специалистов. Писать чистый, протестированный и проверенный код, готовый к продакшену. Быстро осваивать новые методы и направления по мере развития области.

Что ждут

• Высшее образование в компьютерных науках, статистике, математике или смежных количественных областях. Опыт в data science или машинном обучении от 0 до 2 лет (стажировки или академические проекты). solid foundations в статистике и ML для структурированных и неструктурированных данных. Хорошие навыки Python и familiarity со стандартным стеком data science. Практический опыт с embeddings и LLM-решениями. Любознательность, готовность учиться и ясная коммуникация.

Будет плюсом

• Опыт с temporal или geospatial данными. Личные или академические проекты с агентами, LLM fine-tuning, embeddings. Интерес к marketing technology, ad tech или audience modelling. Вклад в open-source, публикации или результаты соревнований.

Условия

• Медицинская страховка. Полностью удалённая работа. Гибкий график. Влиятельные проекты. Непрерывное обучение и развитие.

Навыки

• Python
• Machine Learning
• Statistical Modeling
• LLM
• Embeddings
• Federated Learning
• Data Engineering
• Computer Vision
• Geospatial Analysis

Могут спросить на собеседовании

1. Опишите ваш опыт работы с Python и типичными библиотеками для анализа данных.
2. Как вы подходитe к выбору между статистическим моделированием и методами глубокого обучения?
3. Что такое embeddings и в каких задачах они применяются?
4. Расскажите о вашем опыте с LLM-моделями, если он есть.
5. Какие принципы вы используете для написания чистого и поддерживаемого кода?