Atreides
Senior Data Scientist
- Удалённо
- Canada
- Полная занятость
- сегодня
Senior Data Scientist в быстро растущий технологический стартап Atreides, работающий с крупномасштабными геопортальными данными и мульти-модальными наборами данных для клиентов по всему миру. Удалённая позиция с гибким графиком и возможностью влиять на безопасность и эффективность глобальных организаций через передовые аналитические решения.
О позиции
Компания Atreides специализируется на преобразовании сложных многомодальных наборов данных в качественную геопространственную информацию. Наша команда состоит из технологических специалистов и дата-сайентистов с опытом работы в операционной разведке, кибербезопасности и государственных организациях. Мы создаём продукты, которые помогают компаниям и правительственным структурам защищаться от внешних угроз. В нашей культуре мы ценим автономность команды, инклюзивное разнообразие идей и миссионерский подход к работе.
Чем заниматься
- Проводить глубокие аналитические исследования выявлять паттерны, тренды и граничные случаи в больших фильтрарованных наборах данных
- Разрабатывать модели взаимодействия и фузионный анализ по нескольким типам сущностей и модальностям данных
- Создавать новые модели машинного обучения и поддерживать улучшать существующие продакшн-модели
- Проектировать системы валидации данных, проверки аномалий и фреймворки надёжности аналитики
- Внедрять аналитическую логику в пайплайны данных совместно с инженерами решений
- Документировать архитектуру ПО и технические архитектурные решения
- Использовать ИИ-инструменты для ускорения анализа при соблюдении стандартов качества кода и безопасности
- Выполнять сложные bespoke-анализы для клиентских и оперативных потребностей
- Обеспечивать техническое лидерство в проектах и продвигать лучшие практики команды
Что ждут
- 5+ лет опыта в дата-сайенс, прикладной аналитике или ML R&D
- Продвинутая экспертиза в Python и распределённых вычислительных фреймворках (Spark)
- Сильная уверенность в Spark SQL
- Опыт построения оценки развёртывания и поддержки ML-моделей в продакшене
- Опыт мониторинга и переобучения моделей
- Твёрдый бэкграунд в статистическом выводе, обнаружении аномалий, кластеризации
- Опыт работы с большими сложными много-source данными, включая геопространственные данные
- Умение переводить неоднозначные задачи в воспроизводимые планы расследований
- Отличные коммуникативные навыки и способность объяснять результаты не-технической аудитории
Будет плюсом
- Опыт в оперативной разведке или кибербезопасности
- Знание геопространственных форматов и систем координат
- Участие в онкол-ротациях в продакшен-средах
- Опыт внедрения ML-фреймворков в производственные конвейеры
- Работа с AI-assisted tools в daily workflow
- Менторство младших специалистов
- Опыт коммуникации с международными командами в разных часовых поясах
Условия
- Конкурентная заработная плата и ежегодный бонус
- Equity пакет долей компании
- Расширенное медицинское, стоматологическое и зрительное покрытие
- Пенсионные взносы и страхование жизни
- Гибкая рабочая среда и часы работы
- Оплачиваемый отпуск по уходу за ребёнком
- Конкурентный оплачиваемый отпуск и праздники
- Планы накоплений на пенсию
- Возможности для профессионального роста и командировок
- Участие в онкол-ротации с гибким графиком
Навыки
- Python
- Apache Spark
- Machine Learning
- Statistical Analysis
- Anomaly Detection
- Clustering
- Spark SQL
- PySpark
- Deep Learning
- Data Modeling
- MLOps
- SQL
- Distributed Computing
- Data Validation
- AI Tools
Сложность отбора
Роль требует значительного опыта (5+ лет), экспертизы в распределённых системах и продакшн ML-моделях, а также способности работать со сложными операционными средами и вести технические обсуждения как с технической, так и нетехнической аудиторией.
Оценка JobPathЗарплата по рынку
600 000 – 1 200 000 ₽ в месяц
Оценка основана на рынке Канады для Senior Data Scientist с учётом опыта в ML-продакшене и Spark. Конвертация из годового диапазона CAD в месячный RUB примерно по курсу 70 CAD/RUB.
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Расскажите о наиболее сложной аналитической задаче, которую вы решали. Как вы подошли к структурированию проблемы и какие методы использовали?
- Как вы обеспечиваете качество и интерпретируемость аналитических выходов в продакшен-системах? Приведите конкретный пример.
- Опишите ваш опыт работы с распределёнными вычислениями (Spark). С какими проблемами масштабирования вам приходилось сталкиваться и как вы их решали?
- Как вы объясняете результаты ML-моделей и ограничения ИИ-инструментов нетехническим стейкхолдерам? Приведите пример.
- Опишите ваш подход к обнаружению аномалий в гетерогенных операционных данных. Какие метрики и методы вы используете?
Прорепетировать это собеседование
Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.
Начать бесплатноСохрани похожие вакансии
Новые вакансии с такой должностью будут собираться в кабинете.
Сохранить фильтр