Fit Predict

Если что, дата сайентистов буду я собеседовать😊

Отдел Data Science включает в себя R&D, что, наверное, и так очевидно. Воспроизвести xG, xP и прочие PitchControl несложно, особенно если формат данных удобный. А вот придумать новую метрику или значительно улучшить условный EPV — уже посложнее. При этом важно понимать, что ресёрч не заканчивается написанием прототипа — модель нужно довести до продакшен-состояния.

По сути, необходимо уметь переводить футбольные бизнес-требования в модель или метрику. Отсюда идеальный кандидат выглядит так:

- опыт с табличными ML-моделями;
- чистый код на Python;
- знание теории вероятностей и математической статистики;
- опыт с deep learning;
- интерес к футболу;
- любовь к написанию тестов.

Если чего-то из этого не хватает — не беда. Если вы крутой ресёрчер в jupyter notebook — мы вам рады. Если с креативом не сложилось, но вы умеете надёжно писать полезную рутину, которая, например, автоматически исправляет ошибки в сырых данных — мы тоже вам рады.

Отбор будет состоять из трех этапов:

1. Отсев по резюме. Если есть github - пожалуйста, прикрепите.
2. Собеседование примерно на час-полтора. Поговорим о вашем предыдущем опыте. Также будет задача на подобие ML System Design. Никаких leetcode.
3. Знакомство с командой.

🔥13

www.group-telegram.com/us/fit_predict_sport.com/92

259 viewsAug 4 at 10:06

Если что, дата сайентистов буду я собеседовать😊

Отдел Data Science включает в себя R&D, что, наверное, и так очевидно. Воспроизвести xG, xP и прочие PitchControl несложно, особенно если формат данных удобный. А вот придумать новую метрику или значительно улучшить условный EPV — уже посложнее. При этом важно понимать, что ресёрч не заканчивается написанием прототипа — модель нужно довести до продакшен-состояния.

По сути, необходимо уметь переводить футбольные бизнес-требования в модель или метрику. Отсюда идеальный кандидат выглядит так:

- опыт с табличными ML-моделями;
- чистый код на Python;
- знание теории вероятностей и математической статистики;
- опыт с deep learning;
- интерес к футболу;
- любовь к написанию тестов.

Если чего-то из этого не хватает — не беда. Если вы крутой ресёрчер в jupyter notebook — мы вам рады. Если с креативом не сложилось, но вы умеете надёжно писать полезную рутину, которая, например, автоматически исправляет ошибки в сырых данных — мы тоже вам рады.

Отбор будет состоять из трех этапов:

1. Отсев по резюме. Если есть github - пожалуйста, прикрепите.
2. Собеседование примерно на час-полтора. Поговорим о вашем предыдущем опыте. Также будет задача на подобие ML System Design. Никаких leetcode.
3. Знакомство с командой.

BY Fit Predict