Data Science (Цифровые агенты)

Чем предстоит заниматься:

• Проектировать и запускать A/B‑эксперименты для стратегий агентов (политики, промпты, оркестрация, выбор инструментов).

• Оценивать результаты экспериментов: статистическая значимость, causal‑эффекты, uplift, влияние на ключевые бизнес‑метрики (SLA, конверсия, cost, удержание, риск).

• Разрабатывать предписывающие модели: оптимизация стратегий действий (decision policies), ранжирование действий по вероятности успеха и влиянию на метрики, базовые RL/оптимизационные постановки (multi‑armed bandits, OR‑tools, PuLP и т.п.).

• Совместно с командой формировать метрики качества решений агентов и методы их оценки.

• Работать с данными Langfuse и систем стрима: подготовка признаков, обучение моделей, валидация, интерпретация результатов.

• Участвовать в проектировании «Ядра принятия решений» (требования, сигналы, фичи, критерии качества).

Здорово, если у тебя есть:

• 4–5+ лет опыта в роли Data Scientist / Applied Scientist.

• Глубокий опыт в A/B‑тестах и экспериментальном дизайне: power analysis, статистические тесты, causal inference, uplift‑модели.

• Практический опыт в одной или нескольких областях: оптимизация (mathematical programming, OR‑tools, PuLP), рекомендательные системы, reinforcement learning (базовый уровень, contextual bandits и т.п.).

• Уверенный Python: pandas, scikit-learn, statsmodels, библиотеки для causal/experimentation (например, causalml или аналоги).

• Опыт работы с бизнес‑метриками: SLA, конверсия, cost per action, ROI, retention uplift и т.д.

• Умение объяснять результаты не только технарям, но и бизнес‑стейкхолдерам.

Желаемые навыки:

• Опыт работы с цифровыми агентами, LLM‑системами или персональными помощниками.

• Опыт в финтехе/банке, особенно в задачах риска, антифрода, маркетинговых рекомендаций.

• Понимание архитектуры AI‑агентов и MAS (multi‑agent systems).