Data Scientist в команду «Анализ цены»

Domclick.ru - единственный в России продукт, обеспечивающий полный цикл операций с недвижимостью. Доступен на всех популярных платформах (Web, iOS, Android). Решаем любые вопросы с недвижимостью, делая сложное простым, с заботой о каждом клиенте. Про направление: Наша цель - сделать самый точный инструмент предсказания рыночный цены и ликвидности на рынке недвижимости. Сейчас мы используем модели по одобрению объектов при выдачи ипотеки, наш дальнейший план - сделать продукт для общего использования. Мы строим модели, которые позволяют оценивать рыночную стоимость разных типов объектов недвижимости (квартиры на вторичном рынке, новостройки, загородная недвижимость и т.п.), в разных сегментах и срезах.

- полный цикл создания модели, мониторинг в том числе; - безграничный фиче-инжениринг, зависящий только от твоего творческого потенциала; - работа с разными типами данных: табличные, временные, гео, текст, фото; - работа с разными источниками данных и свободный выбор архитектур (главное качество); - доведение до прода с помощью бэкенд разработчиков; - разработка AI-агентов на основе LLM, предсказывающих стоимость объектов недвижимости.

- понимание процесса разработки AI-агентов и RAG-систем.

- конкурентную заработную плату; - полис ДМС с первого месяца работы; - корпоративный университет, онлайн-курсы для повышения квалификации, конференции, митапы; - фитнес-зал в здании офиса; - льготную программу ипотеки для сотрудников; - MacBook (или другой ноутбук на выбор) + дополнительные мониторы и т.д.; - комфортный офис класса А в 5 минутах от станции метро и МЦК Кутузовская; - гибкое начало рабочего дня и возможность работать в гибридном или удаленном формате в пределах РФ.

- практический DS-опыт от 2 лет в CoreML/TimeSeries; - опыт полного цикла решения ML задачи: предобработка данных, выбор алгоритмов и тюнинг их параметров, оценка качества моделей, визуализация; - знание математики (линейная алгебра, мат. статистика, методы оптимизации); - уверенное владение Python (PyData: Pandas/polars/duckDB, NumPy, SciPy, scikit-learn); - SQL (window functions, subqueries). Мы используем PostgreSQL, Greenplum, Trino; - высшее математическое, программистское или техническое образование; - глубокое понимание алгоритмов классического машинного обучения: от линейных алгоритмов и деревьев решений до ансамблей алгоритмов - градиентного бустинга, случайного леса и тд.