Data Scientist / ML-специалист

О компании
Vi-Ortis — казахстанская компания, специализирующаяся на аналитике и IT-решениях для фармацевтического рынка.

Мы создаём интеллектуальные продукты для дистрибьюторов, аптечных сетей и производителей, помогая им принимать более точные управленческие решения на основе данных.

Vi-Ortis входит в состав Mladex Pharm Consulting Group, в которую также входят:

PharmIT — разработка цифровых решений для автоматизации процессов на фармрынке

Казахстанский фармацевтический вестник (КФВ) — отраслевое медиа о фарме и здравоохранении

У нас сильная внутренняя экспертиза, устойчивые процессы и фокус на развитии. Мы запускаем новое направление в области Data Science и ищем специалиста, который поможет нам усилить его.

Задачи

• Проведение исследовательского анализа данных (EDA)

• Очистка и подготовка данных

• Построение моделей машинного обучения: классификация, регрессия, ансамбли

• Кластеризация и сегментация объектов на основе признаков

• Оценка качества моделей: метрики, кросс-валидация, гиперпараметры

• Работа с ML-пайплайнами (sklearn pipeline)

• (Опционально) Развёртывание модели в виде API (FastAPI / Flask)

Требования

1. Обязательные навыки:

• Уверенное владение Python: pandas, numpy, scikit-learn, matplotlib, seaborn, xgboost

• Понимание классических алгоритмов машинного обучения

• Опыт подготовки и очистки данных

• Навыки оценки моделей с использованием метрик (RMSE, MAE, ROC AUC и др.)

• Знание SQL (объединения, фильтрация, агрегации)

2. Будет плюсом:

• Опыт работы с LightGBM, Optuna, MLflow

• Базовые навыки API (FastAPI или Flask)

• Понимание принципов кластеризации и PCA

• Навыки визуализации в Power BI

• Знание основ матстатистики, линейной алгебры, математического анализа

Что мы предлагаем

• Работа с реальными данными фармацевтического рынка

• Доступ к аналитике высокого уровня и экспертной поддержке

• Гибкий график, возможность удалённой работы

• Развитие внутри компании: обучение, новые задачи, рост

• Сильная команда, выстроенные процессы, уважительное отношение

Этапы отбора

1. Рассмотрение резюме
2. Тестовое задание, включающее:

• EDA и прогнозирование на основе реальных обезличенных данных продаж
• Классификацию хитов продаж
• Кластеризацию торговых точек
• SQL-задачу
• Несколько теоретических задач по статистике, линейной алгебре и анализу
• Задание рассчитано на 3–5 часов, присылается после первичного одобрения.

3. Интервью с техническим специалистом

4. Финальное решение и предложение