← Все заказы

Data Scientist (Anomaly Detection & Data Drift)

USETECH

13 ч назад

Текст заказа

ГК «Юзтех» — группа аккредитованных ИТ-компаний полного цикла разработки с многолетней экспертизой в передовых технологиях: DWH, Big Data, AI/ML, Blockchain, BI, предиктивной аналитике и цифровых двойниках.
Мы реализуем технологические проекты для крупнейших российских компаний, среди которых Альфа-Банк, Сбер, ВТБ, X5 Group, Газпромнефть, НЛМК, 2ГИС, Лемана ПРО и другие. Также развиваем собственные ИТ-продукты и решения.
Приглашаем ML Engineer / Data Scientist присоединиться к команде качества данных крупного банковского проекта!
Команда занимается разработкой интеллектуальных механизмов контроля качества данных на всех этапах их обработки — от источников и аналитических витрин до результатов работы ML-моделей.
Задачи:
Исследовать данные и разрабатывать ML-и статистические методы контроля их качества.
Выявлять аномалии, Data Drift, нарушения сезонности и нетипичные изменения метрик.
Разрабатывать DQ-контроли полноты, актуальности и корректности данных.
Подбирать оптимальные методы решения задач: от SQL-проверок и статистики до ML-моделей.
Валидировать решения на исторических данных, включая синтетические аномалии, shadow mode и анализ ложных срабатываний.
Внедрять и сопровождать решения в production (Airflow, PySpark, Hadoop/Hive), настраивать мониторинг и алертинг.
Мы ожидаем:
Коммерческий опыт в Machine Learning / Data Science от 3 лет.
Уверенное владение Python (pandas, NumPy, scikit-learn) и SQL.
Практический опыт работы с Apache Airflow, PySpark, Hadoop/Hive и MLflow.
Сильная база в математической статистике и классическом машинном обучении: линейные модели, деревья решений, градиентный бустинг.
Опыт применения методов обнаружения аномалий и/или дрейфа данных.
Опыт работы с временными рядами, анализа сезонности и выявления отклонений.
Опыт внедрения ML-моделей в production, их мониторинга, сопровождения и версионирования.
Понимание принципов построения воспроизводимых ML-пайплайнов.
Умение оценивать целесообразность применения ML и выбирать подходящий метод без избыточного усложнения решения.
Будет преимуществом:
Опыт разработки DQ-фреймворков, систем мониторинга качества данных или ML-моделей в production.
Практический опыт мониторинга признаков и скорингов моделей, включая feature drift, score drift и delayed labels.
Знакомство с Kafka, Flink или Spark Structured Streaming.
Опыт работы с банковскими, финансовыми или транзакционными данными.
Применение методов интерпретации моделей: SHAP, permutation importance, анализ причин срабатывания контролей.
Опыт построения алертинга и операционных дашбордов.
Опыт применения AI-агентов для анализа данных и автоматизации процессов.
Мы предлагаем:
Карьерную и профессиональную возможность в стабильной, аккредитованной ИТ-компании
Удаленный формат работы
Расширенный полис ДМС со стоматологией, корпоративный психолог
Необходимую технику для комфортной работы
Обучение, сертификацию, Usetech English Club – онлайн изучение английского
Доступ к Корпоративной библиотеке и к Корпоративному университету
Внутрикорпоративные профильные коммьюнити
Заботу о детях сотрудников: корпоративные скидки, подарки, детские дни
Геймифицированную программу лояльности: поверь, ты будешь восторге от нашего корпоративного магазина!
Корпоративную жизнь: мы много работаем и классно отдыхаем.

Похожие заказы