Lead Data Science

Описание

1. Управление командой

• Руководство командой Data Science: постановка задач, контроль сроков и качества выполнения.
• Наставничество, обучение и развитие специалистов.
• Участие в найме и адаптации новых сотрудников. 2. Стратегическое управление проектами
• Разработка и реализация стратегии использования Data Science для достижения бизнес-целей.
• Участие в формировании дорожной карты проектов на основе приоритетов бизнеса и аналитики.
• Выстраивание взаимодействия с бизнес-заказчиками, сбор требований и перевод в технические задачи. 3. Техническая реализация
• Разработка, валидация и внедрение моделей машинного обучения и ИИ.
• Интеграция готовых решений на базе LLM (GPT, Claude, Mistral и др.) в продукты компании.
• Понимание принципов построения LLM, знание архитектур и их применимости под разные задачи.
• Применение методов prompt engineering, retrieval augmented generation (RAG), управление цепочками вызова моделей и инструментов.
• Оптимизация существующих моделей и аналитических процессов.
• Взаимодействие с инженерными командами для внедрения решений в production. 4. Аналитика и метрики
• Проведение глубокого анализа данных и построение деревьев метрик для оценки бизнес-процессов.
• Разработка аналитических дашбордов и KPI-систем.
• Проведение A/B тестирований, интерпретация результатов, подготовка рекомендаций.
• Оценка эффективности внедрённых моделей и аналитических решений.​​​​​​​ ​​​​​​​5. Инновации и развитие
• Отслеживание и внедрение новых подходов в области машинного обучения и ИИ.
• Оценка и тестирование новых инструментов и технологических стеков.
• Участие в исследовательских активностях, развитие внутренней экспертизы.

• 5+ лет опыта в области Data Science, включая минимум 2–3 года в роли руководителя команды.
• Реализованные end-to-end проекты: от идеи и MVP до внедрения в production.
• Опыт работы в кросс-функциональных командах, взаимодействие с разработкой и бизнесом.

• Навыки и компетенции

  Технические навыки:

• Углубленное знание Python, SQL.
• Практический опыт с ML-фреймворками: Scikit-learn, TensorFlow, PyTorch, XGBoost и др.
• Опыт работы с LLM: выбор моделей, настройка параметров, использование API (OpenAI, Anthropic, Cohere и др.).
• Навыки в NLP (анализ текста, генерация, классификация), CV (детекция, сегментация), STT/TTS.
• Опыт построения аналитических систем и автоматизации отчётности.
• Знание Big Data инструментов: Spark, Hadoop, Kafka, Flink.
• Знание облачных платформ: AWS, GCP, Azure.
• Базовые знания CI/CD, Docker, Kubernetes. Аналитические и управленческие навыки:
• Построение деревьев метрик и систем мониторинга.
• Навыки проведения A/B тестов и статистического анализа.
• Разработка стратегий на основе данных.
• Умение объяснять технические концепции простыми словами.​​​​​​​ ​​​​​​​Soft Skills:
• Лидерские качества, умение мотивировать команду.
• Коммуникация с бизнесом и техническими стейкхолдерами.
• Стратегическое мышление, ориентация на результат.
• Способность быстро обучаться и внедрять новое.​​​​​​​ ​​​​​​​Образование
• Высшее образование в области математики, прикладной математики, статистики, компьютерных наук, инженерии или смежных направлений.
• Приветствуются учёные степени (PhD, кандидат наук) или профессиональные сертификаты (например, Google Cloud Professional Data Engineer, AWS ML Specialist, Microsoft AI Engineer и др.).

• Гибкий график и возможность частичной удалённой работы.
• Официальное трудоустройство, оплачиваемые отпуска и больничные;
• Социальный пакет (фитнес, медицинское страхование, корпоративные мероприятия);
• Поддержка профессионального роста: обучение за счет компании.