Наша команда работает с работодательской функциональностью.

Чем мы занимаемся:

Улучшение конверсии из отклика в приглашение,
Профилирование и сегментация пользователей,
Улучшение таргетингов (для советов, рассылок),
Советы по разбору откликов (какой next best action, чтобы получить максимальную эффективность от сервиса?),
Улучшение модели ранжирования откликов,
Создание модели прогноза найма
Выявление и извлечением фактов из коммуникаций (NER, NEL), прогнозирование этапа подбора кандидат

Основные задачи у нас:

Переводить задачу с языка продактов на язык машинного обучения.
Предлагать свои идеи на тему того, как продуктовым инициативам помогут DS решения;
Очень много прототипировать и доводить свои решения до продакшена на python;
Обучать много моделей с нуля: выгружать данные, заниматься feature engineering'ом, выбирать ML-алгоритмы и тюнить их;
Доводить все модели до продакшена, запускать в A/B, поддерживать удачные решения.

Мы постоянно экспериментируем, и с процессом построения моделей, и с пользователями, поэтому если вас не пугает ab-driven-development — велкам!

Почему у нас круто:

30% времени внедряем новые технологии, рефакторим и улучшаем инфраструктуру
Используем самый современный стек технологий. В апгрейд стека может вложиться каждый!
У нас настроены процессы CI/CD. Релиз в одно касание – наша реальность
У каждого разработчика своя песочница-копия прода
Мы убили бюрократию и бесполезные встречи. Если процесс нам мешает – мы его выкидываем. Никаких авторитетов!
Работаем по Kanban и не горим к концу недели
Работаем в кросс-функциональных командах в тесной связке с продуктовыми аналитиками и дизайнерами. Глубоко погружаемся в бизнес контекст
Целеполагание через OKR, полностью прозрачный процесс на уровне компании
Можно стать видеоблогером и рассказать свою “Охэхэнную историю” в нашем техблоге
Можно стать спикером или слушателем на конференциях и внутренних семинарах, в том числе в нашей Школе Программистов hh.ru

Ты - наш идеал, если:

Имеешь опыт реализации и применения моделей машинного обучения в продакшене;
У тебя есть понимание основных методов и алгоритмов Machine Learning;
Уверенно владеешь Python (numpy, scipy, pytorch, sklearn)
Алгоритмическая подготовка: знание основных алгоритмов и структур данных;
Имеешь понимание и опыт работы с A/B-экспериментами, знание стоящей за ними статистики;
Умение работать в команде, грамотно отстаивать свою точку зрения - это все про тебя.

Будет плюсом:

Знание принципов работы нейросетевых моделей для обработки текста;
Опыт в ранжировании, рекомендациях, а также в nlp-задачах будет большим плюсом;
Опыт работы с различными источниками данных: SQL, Cassandra, Hive, Presto, Kafka, etc.

У нас есть:

Гибкий график работы из дома или офиса
Корпоративное ДМС со стоматологией после завершения испытательного срока
Электронная корпоративная библиотека
Кофемашина с зерновым кофе, чай, фрукты, йогурты на кухне
В офисе есть тренажеры, настольный теннис, кикер, пул, зона виртуальной реальности и массажные кресла
Совместная постановка целей, индивидуальный план развития и пересмотр условий раз в год по результатам

Как будем знакомиться:

Все три этапа собеседования проходят онлайн:

Для начала полчаса поболтаешь с нашим HR-менеджером — познакомимся и синхронизируем ожидания
Затем тебя ждет 2 технических собеседований с Data Scientist: код и ML часть. На встречах обсудим твой опыт, поговорим про ML и смежные области. Зададим тебе вопросы по статистике, микросервисы и базы данных. Устно обсудим некоторые задачи из нашей практики. Предложим написать код для решения нескольких задач.
И наконец — полтора часа финального собеседования с тимлидами. На встрече познакомишься с потенциальными руководителями. Обсудим оставшиеся вопросы, поговорим о командных процессах и подходах к работе, финально синхронизируем ожидания

Обычно всё это занимает не больше недели. При любом раскладе мы обещаем вернуться с конструктивным фидбеком. Без обратной связи точно не оставим.

Если у тебя остались какие-нибудь вопросы, будем рады на них ответить!

Data Scientist в направление "Работодатели"