Robinhood
Senior Data Scientist, Experimentation
- Menlo Park, CA
- сегодня
Robinhood ищет Senior Data Scientist в команду экспериментальной платформы в Менло-Парк. Вы будете формировать статистические основы системы экспериментов компании, развивать культуру data-driven принятия решений и масштабировать процессы A/B тестирования.
О позиции
Команда Experimentation Platform строит системы и инфраструктуру, которые поддерживают корпоративные эксперименты по всей компании. Ваша задача —enable rapid, trustworthy, and statistically sound experimentation at scale. Команда работает в тесном сотрудничестве с инженерными, продуктовыми и дата-командами. Эта роль имеет прямое влияние на скорость разработки продукта и бизнес-результаты. Мы создаём культуру инноваций, основанных на данных. Очная работа в офисе ожидается минимум 3 дня в неделю.
Чем заниматься
- Улучшать статистические методики, лежащие в основе экспериментальной платформы, включая A/B тестирование и продвинутые техники\\n
- Оценивать текущие практики экспериментирования по всей компании и выявлять области для улучшений\\n
- Работать с инженерами над созданием масштабируемых инструментов и инфраструктуры для экспериментов\\n
- Выявлять возможности интеграции AI-powered capabilities в платформу, автоматизируя рабочие процессы и ускоряяvelocity\\n
- Разрабатывать и продвигать лучшие практики экспериментирования для команд\\n
- Выступать в качестве статистического эксперта и доверенного партнёра для data science и продуктовых команд\\n
- Формировать дорожную карту экспериментальной платформы, определяя высокоэффективные инициативы
Что ждут
- Степень Master's или PhD в количественной области (статистика, экономика, математика, инженерия, естественные науки)\\n
- Более 3 лет опыта работы с A/B тестированием, causal inference, experimental design и статистическим анализом в технологической среде\\n
- Глубокая экспертиза в статистических методах: multivariate testing, adaptive experimentation, Bayesian inference, machine learning\\n
- Владение Python или R для анализа данных и экспериментальных рабочих процессов\\n
- Опыт сотрудничества с инженерными и продуктовыми командами для превращения статистических методик в production-ready инструменты\\n
- Отличные коммуникативные навыки для объяснения сложных статистических концепций техническим и нетехническим стейкхолдерам
Будет плюсом
- Опыт создания экспериментальных платформ или интеграции AI-powered capabilities в data science workflows\\n
- Навыки работы с современными инструментами машинного обучения\\n
- Понимание финансовых систем и их особенностей
Условия
- Сложная высокоэффективная работа для роста карьеры\\n
- Производительно-ориентированная компенсация с мультипликаторами за выдающиеся результаты, бонусами, опциями и match 401(k)\\n
- Преимущества премиум-класса, включая 100% оплачиваемую медицинскую страховку для сотрудников и 90% покрытие для Dependents\\n
- Доступ к Employee Fund для инвестиций в приватный фонд сотрудников\\n
- Доступ к лучшим AI инструментам на рынке и непрерывное обучение AI\n
- Lifestyle wallet — гибкий бенефит для wellness, обучения и прочего\n
- Страховка жизни и инвалидности от работодателя, fertility benefits, ментальное здоровье\\n
- Время на отдых: праздники, оплачиваемый отпуск, sick time, parental leave\\n
- Исключительный офисный опыт с catered meals, событиями и комфортными рабочими пространствами
Навыки
- A/B Testing
- Causal Inference
- Bayesian Statistics
- Python
- R
- Experimental Design
- Machine Learning
- Statistical Modeling
- Data Analysis
- SQL
- Multivariate Testing
Сложность отбора
Высокая сложность для Senior уровня с требованием глубокой экспертизы в статистике, ML и управлении сложными экспериментами
Оценка JobPathЗарплата по рынку
1 350 000 – 1 650 000 ₽ в месяц
Оценка на основе диапазона $187k-$220k годовых для зоны Menlo Park, конвертация в рубль по курсу ~90 ₽/$ и перевод в месячную ставку
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Расскажите о вашем опыте внедрения A/B тестирования в производство как Senior Data Scientist?
- Как вы выбираете между частотным и байесовским подходами при анализе экспериментов?
- Приведите пример сложного кейса, где вам нужно было объяснить результаты эксперимента не-технической аудитории.
- Как вы интегрировали ML или AI в процесс принятия решений по экспериментам?
- Какие метрики успеха вы определяли для экспериментальной платформы в предыдущих ролях?
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