Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
SSnapp
Тегеран, Иран1 месяц назад
Грейд
Senior
Опыт работы
от 3 лет
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
В качестве старшего специалиста по обработке данных (Senior Data Scientist) в команде ИИ вы будете руководить разработкой, моделированием и оценкой сложных реальных задач принятия решений с использованием статистики, машинного обучения и оптимизации. Вы будете применять строгие аналитические методы для разработки надежных моделей, оценки их воздействия и предоставления рекомендаций на основе данных для принятия стратегических решений на динамичном рынке. Эта роль требует прочных теоретических основ, здравого статистического суждения и способности систематически рассуждать в условиях неопределенности. Помимо создания моделей, от вас потребуется ставить под сомнение предположения, количественно оценивать компромиссы и влиять на решения посредством четкого обоснования и убедительных доказательств.
Моделирование и наука о принятии решений: Разработка, создание и проверка статистических моделей и моделей машинного обучения, которые поддерживают крупномасштабное принятие решений и разработку политики рынка. Формулирование проблем: Преобразование сложных бизнес-задач и рыночных вызовов в четко определенные аналитические проблемы с использованием вероятностного моделирования, оптимизации и причинно-следственного вывода, учитывая неопределенность, операционные ограничения и поведенческие реакции. Принятие решений на основе ИИ: Применение современных подходов ИИ, включая обучение с подкреплением и модели принятия решений на основе LLM (например, Jev и Clef), для принятия рыночных решений. Разработка строгих систем калибровки, установки пороговых значений и оценки для определения того, насколько надежны автоматизированные решения для внедрения. Межфункциональное сотрудничество: Сотрудничество с командами по продуктам, операционной деятельности и бизнесу для преобразования стратегических целей в четкие аналитические вопросы, моделирующие рамки и действенные рекомендации. Экспериментирование и причинная оценка: Проектирование и анализ A/B-тестов, квазиэкспериментов, моделей прироста и моделей отклика для измерения воздействия решений, вмешательств и изменений политики. Интерпретируемость моделей и генерация инсайтов: Разработка интерпретируемых моделей и аналитических рамок, которые объясняют лежащие в основе механизмы, выявляют ключевые факторы и количественно оценивают компромиссы, а не просто предсказывают результаты. Готовность к производству и владение моделями: Сотрудничество с инженерами по данным и ML для внедрения и обслуживания готовых к эксплуатации моделей, сохраняя при этом ответственность за предположения моделирования, методологию оценки и критерии производительности. Техническое лидерство: Выступать в качестве эксперта в области статистики и машинного обучения, критически оценивая аналитические подходы, ставя под сомнение неподтвержденные предположения и продвигая строгие практики моделирования. Метрики и мониторинг системы: Определение и мониторинг метрик, которые отражают производительность системы, пользовательский опыт, а также долгосрочное здоровье и стабильность рынка. Коммуникация с заинтересованными сторонами: Представление сложных аналитических выводов посредством четких, структурированных повествований, которые позволяют нетехническим заинтересованным сторонам понимать доказательства, компромиссы и последствия предлагаемых решений. Менторство: Обучение младших специалистов по обработке данных статистическому мышлению, разработке моделей, экспериментальному дизайну и аналитической строгости.
Опыт работы более 5 лет в качестве специалиста по обработке данных (Data Scientist) или более 3 лет с подтвержденным сквозным управлением высокоэффективными решениями моделирования. Глубокие теоретические знания в области теории вероятностей и статистики, машинного обучения, оптимизации и методов причинно-следственного вывода (например, Difference-in-Differences, synthetic control и uplift modeling). Опыт работы с Python для науки о данных и моделирования, включая NumPy, Pandas и Scikit-learn. Опыт работы с PyTorch или TensorFlow будет плюсом. Сильные навыки SQL и опыт работы с крупномасштабными аналитическими наборами данных. Практический опыт в области экспериментирования и статистической оценки, включая определение метрик, проектирование экспериментов и анализ статистической мощности. Сильные аналитические навыки и навыки критического мышления, с возможностью строго рассуждать в условиях неопределенности и предоставлять количественно обоснованные, основанные на данных рекомендации. Отличные коммуникативные навыки, с возможностью преобразования сложных аналитических выводов в четкие, действенные инсайты для нетехнических заинтересованных сторон.
Знакомство с моделями принятия решений, которые возвращают калиброванные вероятности по ограниченным результатам (например, Jev, Clef), и с разработкой политик "человек в цикле" вокруг них. Опыт работы с обучением с подкреплением или методами последовательного принятия решений (контекстуальные бандиты, офлайн RL). Практическое использование LLM и ИИ-помощников по кодированию (например, Claude) в анализе и прототипировании с критической проверкой их результатов.
As a Senior Data Scientist on the AI team , you will lead the formulation, modeling, and evaluation of complex real-world decision problems using statistics, machine learning, and optimization. You will apply rigorous analytical methods to design robust models, evaluate their impact, and provide data-driven guidance for strategic decision-making in a dynamic marketplace. This role requires strong theoretical foundations, sound statistical judgment, and the ability to reason systematically under uncertainty. Beyond building models, you will be expected to challenge assumptions, quantify trade-offs, and influence decisions through clear reasoning and defensible evidence. Modeling and Decision Science: Design, develop, and validate statistical and machine-learning models that support large-scale decision-making and marketplace policy design. Problem Formulation: Translate complex business and marketplace challenges into well-defined analytical problems using probabilistic modeling, optimization, and causal inference, while accounting for uncertainty, operational constraints, and behavioral responses. AI-Driven Decision-Making: Apply modern AI approaches, including reinforcement learning and LLM-based decision models (e.g., Jev and Clef), to marketplace decisions. Establish rigorous calibration, threshold-setting, and evaluation frameworks to determine when automated decisions are reliable enough for deployment. Cross-Functional Collaboration: Partner with product, operations, and business teams to translate strategic objectives into clear analytical questions, modeling frameworks, and actionable recommendations. Experimentation and Causal Evaluation: Design and analyze A/B tests, quasi-experiments, uplift models, and response models to measure the impact of decisions, interventions, and policy changes. Model Interpretability and Insight Generation: Develop interpretable models and analytical frameworks that explain underlying mechanisms, identify key drivers, and quantify trade-offs rather than simply predicting outcomes. Production Readiness and Model Ownership: Collaborate with data and ML engineers to deploy and maintain production-ready models, while retaining ownership of modeling assumptions, evaluation methodologies, and performance criteria. Technical Leadership: Serve as a subject-matter expert in statistics and machine learning, critically reviewing analytical approaches, challenging unsupported assumptions, and promoting rigorous modeling practices. Metrics and System Monitoring: Define and monitor metrics that capture system performance, user experience, and long-term marketplace health and stability. Stakeholder Communication: Communicate complex analytical findings through clear, structured narratives that enable non-technical stakeholders to understand the evidence, trade-offs, and implications of proposed decisions. Mentorship: Mentor junior data scientists in statistical reasoning, model development, experimental design, and analytical rigor. 5+ years of experience as a Data Scientist, or 3+ years with demonstrated end-to-end ownership of high-impact modeling decisions. Strong theoretical knowledge of probability and statistics, machine learning, optimization, and causal inference methods (e.g., Difference-in-Differences, synthetic control, and uplift modeling). Proficiency in Python for data science and modeling, including NumPy, Pandas, and Scikit-learn. Experience with PyTorch or TensorFlow is a plus. Strong SQL skills and experience working with large-scale analytical datasets. Hands-on experience in experimentation and statistical evaluation, including metric definition, experiment design, and statistical power analysis. Strong analytical and critical-thinking skills, with the ability to reason rigorously under uncertainty and deliver quantitatively sound, data-driven recommendations. Excellent communication skills, with the ability to translate complex analytical findings into clear, actionable insights for non-technical stakeholders. Nice to Have: Familiarity with decision models that return calibrated probabilities over bounded outcomes (e.g., Jev, Clef), and with designing human-in-the-loop policies around them. Experience with reinforcement learning or sequential decision methods (contextual bandits, offline RL). Practical use of LLMs and AI coding assistants (e.g., Claude) in analysis and prototyping, with critical validation of their outputs.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 1 740 до 3 680
