Специализация
Data Science / Machine Learning
Технологии/инструменты
PythonSQLPostgreSQLClickHousepandasNumPySciPyscikit-learnKeras/PyTorch/TensorFlow
Мы — продуктовая технологическая компания, которая создает высоконагруженные проекты в сфере недвижимости, обеспечивая полный цикл от выбора квартиры, получения ипотеки, взаиморасчетов с продавцом до постпродажного сопровождения.
Про направление: наша цель — сделать самый точный инструмент предсказания рыночный цены и ликвидности на рынке недвижимости. Сейчас мы используем модели при одобрении объектов при выдаче ипотеки, наш дальнейший план — сделать продукт для общего использования.
Задачи
- Построение моделей, которые позволяют оценивать рыночную стоимость разных типов объектов недвижимости (квартиры на вторичном рынке, новостройки, загородная недвижимость и т.п.), в разных сегментах и срезах.
Ожидания от кандидата
- Практический DS-опыт (от 3 лет). 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, NumPy, SciPy, scikit-learn, Keras/PyTorch/TensorFlow и т.д.).
- Знание SQL (Window Functions, Subqueries). Мы используем PostgreSQL и ClickHouse.
- Высшее математическое, программистское или техническое образование.
- Понимание алгоритмов машинного обучения: нейронные сети, композиционные алгоритмы, линейные алгоритмы.
Будет плюсом опыт работы с моделями прогнозирования цены и спроса.
Мы предлагаем
- Работу в аккредитованной IT-компании.
- 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.