Автор курса «Специалист по Data Science» в Практикум

Можно совмещать с основной работой (около 10-15 часов в неделю)

Привет! На связи команда из направления анализа данных Яндекс Практикума. Мы готовим курс "Специалист по Data Science" и ищем авторов, которые поделятся своей экспертизой.

Яндекс Практикум — сервис онлайн-образования, где реально освоить востребованную цифровую профессию и найти стабильную работу. А технологии и команда экспертов помогают довести дело до конца.

Что делает автор?

• Создаёт материалы для курсов в команде с другими авторами, методистами, редакторами, иллюстраторами.
• Пишет тексты уроков, в которых поддерживает интерес студента к обучению.
• Улучшает существующий контент на основе обратной связи от студентов, экспертов сопровождения и редакторов.
• Разрабатывает дополнительные материалы (тренажёры, чек-листы, тесты, памятки, квизы).
• Предлагает идеи, как улучшить усвоение материала.
• Участвует в проектировании программы.

Что мы ожидаем от вас?

Мы особенно ждём авторов, готовых работать над темами:

• Обработка больших данных (Spark/PySpark).
• Внедрение моделей и автоматизация пайплайнов (Airflow, MLflow).
• Введение в глубинное обучение (нейросети, CNN, RNN, трансформеры).
• Модели для обработки текста и изображений (NLP и CV).
• Разработка рекомендательных систем.

Инструменты и библиотеки:

1. Airflow — опыт построения DAG-ов, автоматизация inference-процессов, работа с батч-инференсом и мониторингом моделей.

2. MLflow — треккинг экспериментов, логирование моделей, понимание культуры reproducible ML.

3. PySpark / Spark — опыт построения пайплайнов обработки больших данных, понимание архитектуры.

4. RecSys — знание подходов к рекомендательным системам: матричная факторизация, content-based, гибридные. Опыт с библиотеками LightFM, Implicit.

5. PyTorch + Hugging Face — уверенное построение и обучение моделей в задачах NLP и CV.

6. Scikit-learn, XGBoost/LightGBM/CatBoost — уверенное владение ML-инструментами, настройка гиперпараметров, интерпретация моделей (SHAP, Permutation).

7. Pandas и NumPy — уверенная работа с табличными данными, векторизация вычислений, обработка данных.

А также:

• Техническое образование (преимущественно в области ML).
• Опыт работы Data scientist или на смежных позициях от 3-х лет.
• Желание делиться знаниями и опытом, рассказывать сложное доступно и понятно. Так, чтобы вас поняли люди без опыта в этой сфере.
• Умение грамотно и интересно писать, а где уместно — шутить, придумывать аналогии и метафоры, чтобы объяснить.
• Дружелюбие и умение работать с командой сообща.
• Опыт преподавания, публичных выступлений или авторства экспертных статей — будет преимуществом.

Что мы предлагаем?

• Ежемесячное вознаграждение. Размер вознаграждения обсуждаем на встрече с командой.
• Удалённое сотрудничество. У нас нет офиса — мы все работаем из разных городов, стран и даже в путешествиях.
• Возможность совмещать с другой работой. Мы предлагаем сотрудничество удалённо, от 10-15 часов в неделю. При этом нужно быть на связи в мессенджерах и иногда в Zoom.
• Пополнение портфолио: мы выдаем сертификаты нашим экспертам о социально-полезной деятельности.
• Возможность экспериментировать и принимать самостоятельные решения. Мы доверяем вашему опыту и не тратим время и силы друг друга на микроменеджмент.
• Небольшую дружную команду, которая отвечает за создание и выпуск контента.