Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Gamingtec
8 дней назад
Грейд
Senior
Опыт работы
от 4 лет
Формат работы
Удалённо
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Мы нанимаем старшего специалиста по данным (Senior Data Scientist) для разработки и владения моделями, лежащими в основе наших рекомендательных систем, персонализации и функций на базе GenAI. Вы будете тесно сотрудничать с нашими командами по машинному обучению и платформе, чтобы превращать данные и цели продукта в готовые модели, создающие измеримую ценность для клиентов. В команде нашего размера это практическая, сквозная роль: вы можете заниматься анализом данных, разработкой признаков, разработкой моделей, их оценкой и итерациями в продакшене в течение одной недели. Нам важны люди, которые могут перейти от данных и гипотез к внедренным системам и влиянию на бизнес, а не просто к исследованиям ради исследований.
Разрабатывать, создавать и оценивать модели рекомендаций, персонализации и ранжирования, которые обеспечивают основной функционал продукта; Разрабатывать и применять методы обработки естественного языка (NLP) и GenAI, включая генерацию с дополненным поиском (RAG) и подходы на основе промптов, которые поддерживают рекомендации и рабочие процессы агентов; Проводить анализ данных и разработку признаков на больших, сложных и часто «грязных» наборах данных для выявления сигналов и улучшения входных данных модели; Создавать и поддерживать фреймворки для офлайн- и онлайн-оценки, чтобы измерять качество модели, релевантность, задержку и влияние на бизнес; Исследовать сбои и проводить анализ ошибок для практического балансирования между качеством, скоростью и сложностью; Сотрудничать с командами инженерии и платформы для развертывания, мониторинга и итеративного улучшения моделей в продакшене; Четко доносить результаты и рекомендации как техническим, так и нетехническим заинтересованным сторонам; Быть в курсе достижений в области рекомендательных систем, NLP и GenAI и включать соответствующие методы в нашу дорожную карту; Поддерживать четкую документацию моделей, конвейеров и методологий, а также обеспечивать соответствие обработки данных правилам конфиденциальности и безопасности (например, GDPR, CCPA). Как будет выглядеть успех в первые 6 месяцев: Вы внедрите измеримое улучшение в рекомендательную систему, персонализацию или функцию на базе GenAI в продакшене; Вы создадите практический фреймворк оценки как минимум для одной основной модели или рабочего процесса агента; Вы превратите неоднозначный вопрос по данным или продукту в четкий анализ, эксперимент и рекомендацию; Вы улучшите как минимум один важный показатель: релевантность, вовлеченность, конверсию, удержание, задержку или эффективность затрат; Вы станете доверенным голосом в вопросах того, как Whizdom AI создает и оценивает свои модели.
Опыт работы в области науки о данных или машинного обучения более 4 лет, с сильным акцентом на рекомендательные системы, персонализацию или ранжирование; Практический опыт обучения, оценки и развертывания моделей в продакшене, включая подходы на основе NLP или GenAI; Уверенное владение Python, с большим опытом работы с фреймворками ML (PyTorch, TensorFlow или scikit-learn) и библиотеками данных (Pandas, NumPy); Глубокое понимание методов рекомендаций, таких как коллаборативная фильтрация, контентно-ориентированная фильтрация и ранжирование; Рабочие знания концепций GenAI/LLM: промптинг, генерация с дополненным поиском (RAG), тонкая настройка или оценка систем GenAI; Опыт работы с облачными платформами (AWS, GCP или Azure) и современной инфраструктурой данных (например, Spark, Snowflake, BigQuery или Databricks); Знакомство с практиками MLOps: управление версиями, контейнеризация (Docker, Kubernetes) и отслеживание экспериментов (например, MLflow, Weights & Biases); Сильные количественные и аналитические навыки, способность доносить техническую работу до нетехнических заинтересованных сторон. Примечание о соответствии: Вам не нужно соответствовать каждому пункту, чтобы подать заявку. Мы больше ценим скорость обучения, техническое суждение и доказательства того, что вы можете успешно выполнять сложные задачи, чем идеальное совпадение ключевых слов или регалии.
Опыт работы с обучением с подкреплением, многорукими бандитами или другими методами оптимизации принятия решений; Опыт работы с векторными базами данных, инфраструктурой поиска или фреймворками оркестрации агентов (например, LangChain, LlamaIndex); Опыт проведения A/B тестов или онлайн-экспериментов; Предыдущий опыт работы в стартапе на ранней стадии или в быстрорастущей компании; Вклад в сообщество AI/ML через публикации, выступления или проекты с открытым исходным кодом.
Прямой доступ к основателям и реальное влияние на то, как Whizdom AI создает и оценивает свои модели; Роль с высокой степенью ответственности, дающая возможность формировать рекомендательные системы и системы GenAI, используемые реальными клиентами; Возможность работать как над классическими задачами ML, так и над современными задачами GenAI, а не только над чем-то одним; Гибкая удаленная работа с предпочтительным пересечением по европейским часовым поясам; Небольшая команда, низкий уровень бюрократии и много возможностей для роста; Конкурентоспособная заработная плата и пакет акций.
The Role: We are hiring a Senior Data Scientist to develop and own the models behind our recommendation systems, personalization, and GenAI-powered features. You will work closely with our ML and platform teams to turn data and product goals into shipped models that create measurable customer value. In a team of our size, this is a hands-on, end-to-end role: you may touch data analysis, feature engineering, model development, evaluation, and production iteration in the same week. We care about people who can move from data and hypotheses to shipped systems and business impact, not research for its own sake. What You’ll Own: Design, build, and evaluate recommendation, personalization, and ranking models that power core product experiences; Develop and apply NLP and GenAI techniques, including retrieval-augmented generation (RAG) and prompt-based approaches, that support recommendations and agent workflows; Perform data analysis and feature engineering on large, complex, and often messy datasets to surface signal and improve model inputs; Build and maintain offline and online evaluation frameworks to measure model quality, relevance, latency, and business impact; Investigate failure modes and run error analysis to make practical tradeoffs between quality, speed, and complexity; Partner with engineering and platform teams to deploy, monitor, and iterate on models in production; Communicate findings and recommendations clearly to both technical and non-technical stakeholders; Stay current with advances in recommendation systems, NLP, and GenAI, and bring relevant techniques into our roadmap; Maintain clear documentation of models, pipelines, and methodologies, and ensure data handling complies with privacy and security regulations (e.g., GDPR, CCPA). What Success Looks Like in the First 6 Months: You ship a measurable improvement to a recommendation, personalization, or GenAI-powered feature in production; You establish a practical evaluation framework for at least one core model or agent workflow; You turn an ambiguous data or product question into a clear analysis, experiment, and recommendation; You improve at least one metric that matters: relevance, engagement, conversion, retention, latency, or cost efficiency; You become a trusted voice on how Whizdom AI builds and evaluates its models. What We’re Looking For: 4+ years of experience in data science or machine learning, with a strong focus on recommendation systems, personalization, or ranking; Hands-on experience training, evaluating, and deploying models in production, including NLP or GenAI-based approaches; Proficiency in Python, with solid experience in ML frameworks (PyTorch, TensorFlow, or scikit-learn) and data libraries (Pandas, NumPy); Strong understanding of recommendation techniques such as collaborative filtering, content-based filtering, and ranking; Working knowledge of GenAI/LLM concepts: prompting, retrieval-augmented generation (RAG), fine-tuning, or evaluation of GenAI systems; Experience with cloud platforms (AWS, GCP, or Azure) and modern data infrastructure (e.g., Spark, Snowflake, BigQuery, or Databricks); Familiarity with MLOps practices: version control, containerization (Docker, Kubernetes), and experiment tracking (e.g., MLflow, Weights & Biases); Strong quantitative and analytical skills, with the ability to communicate technical work to non-technical stakeholders. Nice to Have: Experience with reinforcement learning, multi-armed bandits, or other decision-optimization techniques; Experience with vector databases, retrieval infrastructure, or agent orchestration frameworks (e.g., LangChain, LlamaIndex); Experience running A/B tests or online experiments; Prior experience in an early-stage startup or fast-growing company; Contributions to the AI/ML community through publications, talks, or open-source projects. A Note on Fit: You do not need to match every bullet to apply. We care more about learning velocity, technical judgment, and evidence that you can ship hard things than about perfect keyword coverage or pedigree. Why Join: Direct access to the founders and real influence over how Whizdom AI builds and evaluates its models; High-ownership role with room to shape recommendation and GenAI systems used by real customers; Opportunity to work across both classic ML and modern GenAI problems, not just one or the other; Flexible remote environment with strong overlap with European time zones preferred; Small team, low bureaucracy, and a lot of room to grow; Competitive salary and equity package. If you find this opportunity right for you, don't hesitate to apply or get in touch with us if you have any questions!
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 65 200 до 97 000