Определять и владеть стратегией Data Science, обеспечивая её согласованность с бизнес‑целями и долгосрочным видением продукта.
Формировать и поддерживать техническую дорожную карту в соответствии с бизнес‑приоритетами, мощностями команды и ростом компании. Масштабировать функцию Data Science по мере расширения организации, разрабатывая структуру команды и профили найма. Руководить, нанимать и наставлять кросс‑функциональную команду Data Scientists, способствуя сильной культуре R&D, основанной на строгости и измеримом воздействии. Управлять ресурсами как в сквад‑командах Delivery (S&D), так и Research (R&D), обеспечивая ясность и продуктивность. Выступать в роли моста между R&D и Delivery: переводить бизнес‑потребности в исследовательские задачи и адаптировать прототипы в готовые к производству решения. Архитектурировать клиентские решения, выбирая подходящие модели, алгоритмы и стратегии ассортимента с использованием нашего ML‑стека. Быть гарантом качества: проверять код, валидировать дизайны A/B‑тестов и гарантировать, что вся работа соответствует Definition of Done (DoD) команды. Управлять ключевыми метриками DS, такими как время от исследования до производства, скорость экспериментов и качество рекомендаций. Чётко коммуницировать инсайты продукт‑менеджерам, инженерам, клиентам и заинтересованным сторонам, согласовывая ожидания и дальнейшие шаги. Представлять технологическое превосходство компании инвесторам и партнёрам во время высоко‑рисковых due diligence. Сотрудничать с командами Data Science и Analytics клиентов (включая PhD), уверенно объясняя методологию, предположения и результаты. Преобразовывать сложные выводы моделей в лаконичные бизнес‑ориентированные презентации для руководителей и принимающих решения. Поддерживать процесс продаж и пред‑продаж, создавая убедительные технические нарративы и демонстрируя возможности ML. Оставаться практичным при необходимости — от отладки критических проблем доставки до прототипирования новых моделей или разработки экспериментов.
5+ лет опыта в Data Science или смежной области, с подтверждёнными результатами по доставке ценности в продакшн. Сильные навыки Python и SQL, с чистыми и модульными практиками кодирования. Практический опыт работы с Databricks и Apache Spark. Знакомство с принципами Data Mesh и рабочими процессами совместной работы с командами data engineering. Твёрдая математическая база, желательно в рамках дисциплины, связанной с Computer Science. Экспертиза в научных инструментах Python: NumPy, pandas, scikit-learn и либо TensorFlow/Keras, либо PyTorch. Глубокое понимание статистических методов и фреймворков A/B‑тестирования. Опыт работы с подходами к прогнозированию временных рядов. 3+ года работы с табличными и смешанными (мультимодальными) данными. Уровень английского Upper‑intermediate или выше и отличные навыки публичных выступлений.
Бонус: опыт в Causal Inference и в сферах ecommerce/retail.
Инновационный ML‑стек с свободой выбора лучших инструментов и подходов. Культура Remote‑first с гибкостью работы из любой точки. Гибкий график (начало работы между 8–11 AM), без учёта рабочего времени. Регулярные обзоры эффективности и чёткая структура OKR. Глубокое onboarding с прозрачными контрольными точками успеха. Мы покрываем 70 % расходов на ваше обучение или курсы. 20 дней отпуска, 15 выходных и дополнительная неделя оплачиваемых рождественских каникул. 20 рабочих дней оплачиваемого больничного. Частичное покрытие медицинской страховки.
О компании Kooltra
Kooltra с 2012 года переводит валютный бизнес на облачные рельсы: платформа закрывает операционный контур FX-компании — трейдинг, платежи и казначейство, онбординг и мониторинг транзакций, регуляторную отчётность, брендированный портал для клиентов и REST API для интеграций. Покупатели — обменные и платёжные компании, финтехи, брокеры и банки. Головной офис в Торонто, в LinkedIn около 20 человек.
Что вакансия рассказывает о компании и команде
Мы ищем опытного и ориентированного на продукт Lead Data Scientist, который будет вести развитие функции Data Science, формировать техническое видение и руководить высокоэффективной командой, работающей на стыке исследований и производства. Это уникальная возможность влиять на стратегию, возглавлять кросс‑функциональные команды и создавать решения ML, напрямую поддерживающие критически важные бизнес‑решения.