Senior Data Scientist с прикладным ИИ - Только LATAM
Местоположение: Мексика / Удаленно
Работайте в DaCodes! Мы — фирма экспертов в области программного обеспечения и цифровой трансформации с высоким влиянием. В течение 10 лет мы создавали решения, ориентированные на технологии и инновации, благодаря нашей команде из почти 300 талантливых DaCoders, включая разработчиков, архитекторов, UX/UI дизайнеров, PM-ов, QA-тестировщиков и других. Наша команда сотрудничает над проектами с клиентами из LATAM и США, достигая выдающихся результатов. В DaCodes у вас будет возможность развивать свою профессиональную карьеру, работать над разнообразными проектами в различных отраслях и вносить вклад в проектирование, внедрение и оптимизацию облачной инфраструктуры. Наши DaCoders оказывают огромное влияние на успех нашего бизнеса и наших клиентов. Вы станете экспертом, который будет участвовать в наших проектах и иметь доступ к прорывным стартапам и мировым брендам. Вам интересно?
О проекте
Вы будете сотрудничать со стартапом в области финтеха, который перемещает деньги между США, Мексикой и Центральной Америкой. Их продукт — это разговорный помощник, который направляет пользователя от ценообразования до оплаты, и сегодня он эволюционирует из чат-бота в разговорного агента.
Команда данных небольшая и оказывает большое влияние. Она поддерживает хранилище данных и сервер MCP, подключенный к корпоративной платформе искусственного интеллекта, и теперь расширяется до прогнозных моделей (включая собственное скоринговое моделирование мошенничества, которое должно работать в нескольких странах), сегментации пользователей и агентов, которые преобразуют эти результаты в действенные инсайты.
Мы ищем кого-то, кто сочетает науку о данных с прикладным ИИ: кто строит модели, строго их оценивает и выводит в продакшн вместе с агентами и LLM. Это стартап-среда с меняющимися приоритетами и пиками работы, а также с культурой, которая заботится о балансе между личной и профессиональной жизнью.
Требования
Технический стек
Основное (обязательно)
- Python для науки о данных и ML (pandas, scikit-learn; желательно XGBoost/LightGBM) и продвинутый SQL поверх хранилища данных.
- Прогнозное моделирование в продакшене: регрессия, классификация и сегментация с валидацией и мониторингом.
- LLM и агенты в продакшене: RAG, tool calling и оркестрация с LangChain/LangGraph или аналогичными.
- Оценка и отслеживание моделей и LLM (MLflow или эквивалент, трейсы, метрики качества).
Желательно (nice to have)
- MCP (создание серверов или подключение агентов к внутренним данным).
- Семантическое кеширование и методы снижения стоимости и задержки инференса.
- BI: Looker, Metabase, Power BI или Tableau.
- AWS или GCP и FastAPI для обслуживания моделей и сервисов.
- Опыт работы с обнаружением мошенничества, оценкой рисков или скорингом.
Минимальные требования
- 4+ года опыта в области науки о данных или ML, с минимум 1 годом создания решений с LLM, которые вы вывели в продакшн.
- Опыт вывода как минимум одной прогнозной модели в продакшн и способность объяснить ее влияние на бизнес.
- Опыт удаленной работы с распределенными командами.
Мягкие навыки
- Коммуникация технических результатов нетехнической аудитории и преобразование моделей в решения.
- Адаптация к меняющимся приоритетам и управление несколькими задачами параллельно.
- Проявление инициативы: предложение решений вместо ожидания полных спецификаций.
- Использование ИИ-помощников в повседневной работе с рассуждением, проверка их результатов.
Образование и желаемые сигналы
- Степень бакалавра или инженера в области компьютерных наук, математики, статистики или смежных дисциплин.
- Ценятся собственные проекты, публикации, вклад в open source или сертификаты по ML и облачным технологиям.
Дополнительные требования
- Проживание в стране LATAM (только LATAM).
- Английский язык на уровне intermediate-advanced, устный и письменный.
- Готовность сотрудничать в часы, близкие к часовому поясу Мехико.
Профиль соответствия культуре
- Предпочтение отдается небольшим командам с высокой степенью автономии и ответственности за результат.
- Удовольствие от быстрого обучения и переключения между анализом, моделями и агентами в течение одного дня.
- Понимание того, что хорошая модель имеет значение только в том случае, если она меняет бизнес-решение.
Обязанности
- Проектирование, обучение и вывод в продакшн прогнозных моделей, таких как скоринг мошенничества, сегментация пользователей и модели поведения, а также оценка их ценности для бизнеса.
- Создание и развитие разговорных агентов и потоков с использованием LLM (RAG, tool calling, MCP), которые преобразуют результаты моделей в действенные инсайты.
- Оценка качества моделей и агентов с помощью метрик, трейсов и непрерывных тестов (например, MLflow), а также оптимизация стоимости и задержки в продакшене.
- Проведение исследовательского анализа данных (EDA) с транзакционными, разговорными и контекстными данными, и преобразование их в бизнес-решения.
- Сотрудничество с инженерами и командой данных для расширения доступных источников на сервере MCP и обеспечения качества и целостности данных.
- Определение и корректировка метрик продукта и воронки при изменении гипотез, выявление недостающих данных для быстрого изменения направления.
- Представление результатов в виде дашбордов и BI-инструментов для принятия решений нетехническими командами на основе информации.
- Документирование и обмен лучшими практиками в области науки о данных и прикладного ИИ с остальной командой.
Преимущества
- 🚀 Интеграция с мировыми брендами и прорывными стартапами.
- 🏡 Удаленная работа/Home office.
- ⏳ График работы, адаптированный к рабочей группе/назначенному проекту.
- 📅 Работа с понедельника по пятницу.
- 🎉 Выходной в день рождения.
- 🏥 Медицинская страховка (расширенная) (применяется для Мексики).
- 🛡️ Страхование жизни (применяется для Мексики).
- 🌎 Мультикультурные рабочие команды.
- 🎓 Доступ к курсам и сертификациям.
- 📡 Виртуальные мероприятия по интеграции и группы по интересам.
- 📢 Уроки английского языка.
- 🏆 Возможности в рамках наших различных направлений бизнеса.
- 🏅 С гордостью сертифицированы как Great Place to Work.
