Senior Data Science Projects Director

Анализ бизнес-нужд и выделение предполагаемых направлений, требующих проработки;

Анализ имеющихся данных и данных, доступных для получения (открытые или продающиеся), на предмет их использования для решения той или иной задачи;

Формирование общего понимания применимости данных и вычленение подзадачи из бизнес-направления для решения при помощи методов машинного обучения. Детальный анализ структуры имеющихся данных и вычленение необходимой части из них для решения задачи;

Моделирование прототипа; Чистка данных (cleaning);

Выстраивание архитектуры решения:Описание основной идеи;

Выстраивание признаков для модели;

Проверка гипотез и обучение модели;

Осуществление оценки качества результатов модели;

Представление результатов прототипа бизнесу и приняние решения об автоматизации или дальнейшей доработке;

Интерпретирование результатов модели.

Построение временного решения в команде с ответственным за продукт и бизнес-заказчиком

Описание процесса внедрения в бизнеc;

Описание процесса временной поддержки работы прототипа;Написание инструкции по реализации временного решения.

Планирование деятельности команды при участии ответственного за продукт.

Формирование понимания необходимых машинных мощностей и программного обеспечения для решения задачи;

Определение необходимых машинных и человеческих ресурсов, сроков и порядка исполнения для решения аналитической части задачи;

Формирование команды.

Требования:

Понимание базовых алгоритмов машинного обучения;

Понимание ключевых этапов машинного обучения (выборка, обучение/контроль, кроссвалидация);

Опыт управления жизненным циклом DS\ML проектов;

Опыт создания моделей с выводом в промышленные среды.

Знание SQL;

Знание и опыт работы со стэком технологий и алгоритмов Data Science для Python (Pandas, numpy, scipy, scikit-learn, XGBoost)Опыт работы со стеком Hadoop-Spark

Имеет представление о том, какие есть практики в управлении и организации DS проектов (CRISP-DM, QMV)

Базовые представления о плане счетов кредитных организаций;

Понимание методов хранения и управления данными, сценарии их использования (row\column based, key-value, RDBMS, NoSQL)

Понимание основных классов корпоративных систем, их назначение и профиль их пользователя (DataLake, ODS, Staging, MDM, Warehouse, MDM, ERP, CRM, ServiceDesk)

Опыт организация DevOps для DS проектов; 

Работа с глубоким машинным обучением;

Представления по ведению клиентской аналитики в компании и решению задач по направлениям: 

-Удержание и привлечение клиентов;

-Рекомендация продуктов;