9 окт.
Дата-инженер (ученик)
от 85 000 ₽
Нижний Новгород
Гибрид
Intern
ИТ-аккредитация
Юзтех – группа аккредитованных ИТ-компаний полного цикла разработки с многолетней экспертизой в передовых технологиях: DWH, BigData, AI/ML, Blockchain, BI, предиктивная аналитика, цифровые двойники производства и рисков.
ГК Юзтех является технологическим партнером таких компаний, как Mail.ru, 2Gis, НЛМК, Еврохим, ГоИнвест, Альфа-Банк, Сбер, ВТБ, МКБ, Самолет, Х5 retail Group, Газпромнефть, Леруа Мерлен, Ситилинк, Ланит, IBS. Также, ГК разрабатывает собственные ИТ-продукты (Юзбас, Октопус, Тил Эйчар) и флагманские проекты, которыми пользуется 70% населения страны.
Сфера:
Ищем Data Engineer / ML Engineer для разработки интеллектуальной системы контроля качества данных. Предстоит создавать и внедрять ML- и статистические методы выявления аномалий, дрейфа данных и отклонений в метриках, а также интегрировать решения в production-пайплайны.
Формат работы: Москва, гибрид (офис 1 раз в неделю).
Мы ожидаем:
Опыт работы в ML / Data Science от 3 лет.
Уверенное знание Python (pandas, NumPy, scikit-learn) и SQL.
Обязательный опыт работы с Apache Airflow и машинным обучением (ML).
Практический опыт работы с PySpark, Hadoop/Hive, MLflow.
Хорошее понимание математической статистики и классических ML-алгоритмов (регрессии, деревья решений, бустинги).
Опыт выявления аномалий, анализа дрейфа данных и работы с временными рядами.
Опыт вывода ML-моделей в production, мониторинга и версионирования.
Понимание принципов Data Quality и методов контроля качества данных.
Умение выбирать оптимальный подход к решению задачи: SQL-проверки, статистические методы или ML.
Задачи:
Разрабатывать и внедрять ML- и статистические методы контроля качества данных (Data Quality).
Выявлять аномалии, дрейф распределений, нарушения сезонности и нетипичные изменения метрик.
Проектировать проверки качества данных: полнота, уникальность, актуальность, корректность.
Исследовать данные, тестировать гипотезы и прототипировать новые методы обнаружения отклонений.
Работать с временными рядами и моделями машинного обучения.
Валидировать решения на исторических данных, анализировать ложные срабатывания.
Интегрировать решения в production-пайплайны на Airflow, PySpark, Hadoop/Hive.
Настраивать мониторинг, алертинг и сопровождать разработанные решения.
Мы предлагаем:
Умножим шансы на каждом этапе поиска и поможем получить выгодный оффер
Узнать большеБудьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
Будьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
