Задачи:
Участие в обсуждении бизнес-задач совместно с продуктовой командой: уточнение целей, определение метрик успеха и согласование ожиданий от результатов анализа.
Сбор и подготовка данных: извлечение информации из различных источников (CRM-систем, логов, транзакционных баз) и приведение данных к единому формату.
Анализ данных и построение моделей: исследование массивов данных, поиск зависимостей, проверка гипотез, выбор алгоритмов машинного обучения и разработка прогностических моделей.
Проверка гипотез через A/B-тестирование: проектирование экспериментов, анализ их результатов, оценка статистической значимости, выявление закономерностей и аномалий.
Визуализация и презентация результатов: трансформация данных в наглядные графики, дашборды и инфографику для эффективной коммуникации выводов.
Требования:
Программирование: уверенное владение Python и SQL для работы с базами данных; опыт использования PyTorch и TensorFlow для задач глубокого обучения.
Машинное обучение: знание основных алгоритмов, умение создавать и отбирать признаки (feature engineering), а также интерпретировать построенные модели.
Математика и статистика: глубокое понимание теории вероятностей, статистических распределений, методов проверки гипотез и основ линейной алгебры.
Работа с данными: опыт обработки больших объемов данных и понимание принципов работы с облачными платформами.
Коммуникативные навыки: умение объяснять сложные концепции простым языком, эффективно взаимодействовать с бизнес-аналитиками, разработчиками и смежными специалистами.
