Data Scientist / Analytics в американском стартапе в сфере недвижимости
Зарплата
Требования
Местоположение и тип занятости
Компания
Описание вакансии
О компании и команде
Меня зовут Максим, я — лид разработки в американском проекте в сфере недвижимости. Разрабатываем комплекс инструментов по автоматизации маркетинга для риэлторов и поиску новых клиентов.
Мы ищем Data Scientist в команду на ближайшие два года (планируем продаваться в 2025). Если кратко о нашей задаче: у нас есть несколько сотен гигабайт данных о недвижке США, их владельцах и пятилетняя история продаж. Нужно научиться определять, какие из объектов могут быть проданы в ближайшее время, чтобы агенты работали с этими владельцами прежде всего.
Мы недавно наняли консультанта — опытного специалиста по данным, который основал свою компанию и успешно её развивает уже 11 лет. Он будет вести подпроект и сможет помогать решать проблемы, но ему в помощь нужен опытный специалист, знающий R, Pyhton, работавший с TensorFlow и Keras, умеющий анализировать временные ряды.
Ожидания от кандидата
Basis:
- R
- SQL
- Python
Skills:
- Time Series Analysis: Real estate prices and sales often follow time-based patterns. Skills in time series forecasting can be invaluable.
- Geospatial Analysis: Understanding the geographical aspects of real estate data can provide insights into location-based trends.
- Feature Engineering: The ability to derive new variables from existing data can significantly improve model performance.
Libraries & Technologies:
- Scikit-learn: A foundational Python library for machine learning that provides simple and efficient tools for data analysis.
- Pandas: Essential for data manipulation and analysis in Python.
- TensorFlow and Keras: For deep learning models, which can be especially useful when working with large datasets or considering neural network architectures.
- Prophet: Developed by Facebook, it's a tool for forecasting time series data.
- Geopandas & Folium: For geospatial data manipulation and visualization in Python.
- XGBoost and LightGBM: Gradient boosting frameworks that are efficient and offer excellent out-of-the-box performance.
Approaches & Methodologies:
- Cross-Validation: Especially time series cross-validation, to ensure your models generalize well to future data.
- Ensemble Methods: Combining predictions from multiple models can often yield better results than any single model.
- Regularization Techniques: Like Lasso and Ridge regression, to prevent overfitting, especially when working with high-dimensional data.
- Transfer Learning: Especially when using deep learning, where pre-trained models can be fine-tuned for specific real estate tasks.
Domain-Specific Knowledge:
- Macro and Microeconomic Indicators: Understanding economic factors that influence the real estate market can be crucial.
- Local Real Estate Regulations: Different regions have different regulations that can significantly impact the real estate market.
- Housing Market Cycles: Recognizing and understanding the phases of real estate market cycles can guide predictive modeling.
Soft Skills & Collaboration Tools:
- Stakeholder Communication: The ability to communicate findings and insights to non-technical stakeholders using visualization tools or presentations.
- Collaboration Tools: Familiarity with platforms like Jira, Trello, or Asana for project management, and Git for version control.
- Good English writing. Speaking is a good advantage
Условия работы
- Зарплата в долларах и индексируется
- Опцион
- Действительно гибкий график и удалёнка — можно работать в удобные дни и часы, главное договориться зараннее. У нас работают ребята из Коста-Рики, Румынии, Словакии, Казахстана и РФ.
Бонусы
- Возможность поработать в американском стартапе с нуля и поучаствовать в создании компании на пару сотен миллионов долларов (владельцы бизнеса уже успешно создавали и продавали подобные проекты)
- Работа в команде и под руководством техлида с огромным опытом в Data Science
- Бизнес не давит на разработку, постоянно выделяем время на техничекий долг
- Сможете подтянуть английский язык. Продуктовая команда и половина технической говорят только на английском.
Дополнительные инструкции
Первый этап собеседования — аудио со мной (30 минут)
Второй этап собеседования — аудио/видео на английском с техлидом (30-60 минут)
Третий этап собеседования — аудио/видео на английском с владельцем бизнеса (30 минут)