Junior Applied ML Engineer / Data Scientist в Nedvision.ai , Транспортная Доступность, Окружение, Район, Трафик, Динамика Рынка

Junior Applied ML Engineer / Data Scientist для работы над инвестиционным скорингом недвижимости. Нужен специалист, который хочет расти в Applied ML, работать с реальными данными и строить модели.

Задачи:

• Работать с исходными данными по недвижимости: объявления, тексты, цены, геоданные, поведение продавцов, рыночная динамика.
• Делать EDA: искать закономерности, проверять гипотезы, находить проблемы в данных.
• Готовить признаки для ML-моделей: текстовые, табличные, временные, географические.
• Помогать строить модели для оценки инвестиционной привлекательности объектов: рейтинг, справедливая цена, доходность, ликвидность.
• Участвовать в проверке качества моделей: подбор метрик, validation, анализ ошибок, интерпретация результатов.
• Разбираться в деградации качества по сегментам: районам, типам объектов, ценовым категориям, периодам.
• Постепенно брать на себя более сложные задачи: от анализа и прототипов до самостоятельных решений по отдельным частям ML-пайплайна.
• Помогать структурировать ML-процесс: описывать гипотезы, фиксировать результаты экспериментов, поддерживать воспроизводимость.

Требования:

• Python на уровне уверенной работы с данными: pandas, numpy, notebooks/scripts.
• Базовый ML: classification, regression, train/test split, метрики качества, переобучение, leakage.
• Базовая статистика: распределения, корреляции, проверка гипотез, доверительные интервалы.
• SQL: выборки, join, group by, оконные функции будут плюсом.
• Понимание feature engineering: как превращать сырые данные в признаки.
• Умение аккуратно работать с грязными, неполными и шумными данными.
• Способность объяснять свои выводы простым языком: что проверяли, что получилось, почему это важно.
• Готовность разбираться в предметной области, задавать вопросы и доводить задачи до результата.

Условия:

• Много практики на реальных данных и реальных бизнес-задачах.
• Возможность быстро расти в Applied ML Engineering.
• Доступ к сильной предметной задаче на стыке ML, недвижимости, геоаналитики и инвестиционного скоринга.
• Карт-бланш на обоснованные решения: если гипотеза, подход или инструмент хорошо аргументированы, их можно пробовать.
• Возможность брать на себя не только технические, но и смысловые и организационные задачи: формулировать гипотезы, структурировать эксперименты, предлагать улучшения процесса.
• Работу в формате контракта или part-time с понятными задачами и постепенным ростом ответственности.

Навыки:

• Python
• pandas
• numpy
• SQL
• scikit-learn
• CatBoost
• LightGBM
• XGBoost
• NLP
• embeddings
• sentence-transformers
• GeoPandas
• Airflow
• MLflow
• H3
• PostGIS