Добрый день! Команда НСМ ищет Аналитика данных для нашего основного заказчика - компания, входящая в ТОП-10 IT-компаний России.
Обязанности:
Находить и объяснять причинно-следственные связи изменений показателей, формировать гипотезы и проверять их с использованием ML-моделей;
Подготавливать и обрабатывать данные для обучения моделей;
Проводить эксперименты (A/B-тесты, causal-методы), анализировать результаты и предлагать решения;
Обрабатывать ad-hoc запросы по показателям медиа-продуктов и формировать аналитические отчёты;
Разрабатывать новые дашборды, а также оптимизировать и поддерживать актуальность имеющихся в Redash и Superset;
Валидировать существующие и новые метрики, согласовывать методологию и проверять статистическую значимость изменений;
Создавать и обновлять техническую и методологическую документацию в Confluence.
Требования:
Опыт работы не менее 1 года на позиции аналитика данных / продуктового аналитика с фокусом на ML;
Уверенное владение SQL (желателен ClickHouse), аналитическими библиотеками Python и Spark;
Прикладной опыт в ML (фичеинжиниринг, обучение моделей, экспериментальный анализ), а также приветствуется знание Airflow и практика построения ML/ETL-пайплайнов;
Навыки применения методов математической статистики и проверки гипотез;
Опыт работы с BI-инструментами (Superset, Redash или аналоги);
Развитые навыки визуализации и презентации результатов.
Условия:
Оформление по ТК РФ;
Бессрочный ТД - это не проект, а полноценная работа в команде заказчика;
Работа в современном офисе крупной IT-компании;
Бесплатный спортзал, фреш-бар, кофейни, места для отдыха и игр;
Доступ к бесплатной образовательной платформе и IT-мероприятиям;
Возможность гибридной работы после испытательного срока;
Работа на корпоративном ноутбуке.
Навыки
Atlassian Confluence
Jupyter Notebook
Apache Airflow
pandas
• Airflow (построение пайплайнов)
• Анализ данных и продуктовые метрики
• Математическая статистика, A/B-тесты
SQL
• Python (NumPy, pandas, SciPy, scikit-learn)
• BI (Superset, Redash, Power BI)
• ML (фичеинжиниринг, обучение моделей, экспериментальный анализ)