Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
BETBOOM — букмекерская компания. Команда разрабатывает ML-решения для бизнес-задач и ведёт модели от исследования данных и проверки гипотез до вывода в production и дальнейшего мониторинга.
задачи
Формулировать и проверять гипотезы на основе данных, проводить эксперименты: A/B-тесты, multi-armed bandit и sequential testing;
Разрабатывать ML-решения для различных бизнес-задач — от MVP до полноценных production-моделей;
Участвовать в полном цикле разработки моделей: ставить задачи, готовить данные, строить решения, внедрять и мониторить модели;
Работать совместно с аналитиками и data-инженерами над построением признаков, data pipeline и процессами деплоя моделей;
Проводить исследование данных, очистку, подготовку и визуализацию данных.
требования
Опыт работы с реляционными и колоночными базами данных: PostgreSQL, ClickHouse, Greenplum;
Уверенное владение Python и основными ML-библиотеками: pandas, NumPy, scikit-learn и другими;
Знание классического машинного обучения: задачи классификации и регрессии, алгоритмы, метрики качества и особенности применения;
Понимание математической статистики и теории вероятностей: A/B-тестирование, статистические критерии, p-value, ошибки первого и второго рода, статистическая мощность;
Опыт работы с данными: подготовка выборок, feature engineering, отбор факторов;
Практический опыт работы с LLM, prompt engineering и skills;
Опыт командной разработки с использованием Git и code review;
Умение формулировать бизнес-задачу и переводить её в ML-решение;
Будет плюсом отличное знание SQL, опыт работы с causal inference и uplift-моделированием, навыки написания чистого, тестируемого и поддерживаемого кода.