data scientist

Компания занимается разработкой решений в области инвестиционного скоринга недвижимости.

• Работать с исходными данными по недвижимости: объявления, тексты, цены, геоданные, поведение продавцов, рыночная динамика;
• Делать разведочный анализ данных: искать закономерности, проверять гипотезы, находить проблемы в данных;
• Готовить признаки для ML-моделей: текстовые, табличные, временные, географические;
• Помогать строить модели для оценки инвестиционной привлекательности объектов: рейтинг, справедливая цена, доходность, ликвидность;
• Участвовать в проверке качества моделей: подбор метрик, валидация, анализ ошибок, интерпретация результатов;
• Разбираться в деградации качества по сегментам: районам, типам объектов, ценовым категориям, периодам;
• Брать на себя более сложные задачи: от анализа и прототипов до самостоятельных решений по отдельным частям ML-пайплайна;
• Помогать структурировать ML-процесс: описывать гипотезы, фиксировать результаты экспериментов, поддерживать воспроизводимость.

• Уверенное владение Python для работы с данными: pandas, numpy, notebooks/scripts;
• Знание основ машинного обучения: классификация, регрессия, разделение на обучающую и тестовую выборки, метрики качества, переобучение, утечки данных;
• Знание базовой статистики: распределения, корреляции, проверка гипотез, доверительные интервалы;
• Понимание проектирования признаков: как превращать сырые данные в признаки;
• Умение аккуратно работать с грязными, неполными и шумными данными;
• Способность объяснять свои выводы простым языком;
• Готовность разбираться в предметной области, задавать вопросы и доводить задачи до результата;
• Будет плюсом опыт с scikit-learn, CatBoost / LightGBM / XGBoost, базовое понимание NLP (embeddings, sentence-transformers), интерес к геоаналитике (координаты, расстояния, районы, POI, H3, PostGIS / GeoPandas), опыт с Airflow / MLflow / отслеживанием экспериментов, опыт работы с данными маркетплейсов / классифайдов / недвижимости / финтеха, умение использовать AI-инструменты для написания кода.

• Практика на реальных данных и бизнес-задачах;
• Возможность быстрого профессионального роста;
• Доступ к задачам на стыке машинного обучения, недвижимости, геоаналитики и инвестиционного скоринга;
• Карт-бланш на обоснованные технические и организационные решения.