Младший аналитик данных с ML уклоном — старт карьеры в AI

В первые недели ты погрузишься в реальные телеком-данные, освоишь продвинутую продуктовую аналитику и поддержишь эксперименты по машинному обучению. Вакансия создана для junior-специалиста, который хочет расти в искусственном интеллекте, но пока не успел набить портфолио — мы поможем.

О проекте  

— Команда работает над прогнозом оттока абонентов и оптимизацией таргет-кампаний.  

— Мы объединяем petabyte-масштаб хранилищ, TensorFlow/LightGBM модели и гибкие A/B-платформы.  

— Все процессы version-controlled в Git, код ревью обязателен, знания распространяются через внутренние митапы.

Обязанности  

- Исследовать сырые данные: очищать, агрегировать, визуализировать.  

- Поддерживать запуск A/B-тестов: формировать гипотезы, рассчитывать метрики, отслеживать статистическую значимость.  

- Готовить датасеты для моделей churn-prediction и рекомендательных систем.  

- Писать reproducible-ноутбуки в Jupyter, документировать pipeline.  

- Участвовать в code-review и синхронизациях продукта.  

- Мониторить качество работающих ML-моделей, анализировать дрейф признаков.  

Требования  

- Уверенный Python (pandas, numpy, matplotlib, scikit-learn).  

- SQL: сложные выборки, оптимизация запросов.  

- Базовые знания статистики, вероятностей, A/B-методологии.  

- Опыт работы с системами контроля версий (Git, GitHub/GitLab).  

- Английский на уровне чтения технических статей.  

- Способность ясно объяснять выводы бизнес-аудитории.  

Стек технологий  

- Python 3.11, JupyterLab, Poetry.  

- Airflow, Docker (для production-pipelines).  

- Spark/PySpark — познакомим при желании.  

- Tableau, Power BI — для быстрой визуализации.  

Почему это шанс  

— Вникаешь в продовые ML-проекты с первого дня, а не переписываешь документацию.  

— Наставник-сеньор еженедельно даёт фидбек, помогает выстроить learning-roadmap.  

— Возможен гибкий график и полностью удалённое сотрудничество из любого города России.  

— Доступ к корпоративной учебной платформе: курсы по Deep Learning, MLOps, продуктовой аналитике.  

— Лучшие стажёры через 9-12 месяцев переходят на позицию Middle Data Scientist.