Data Science Lead

We are seeking an experienced Head of Data Science to lead our Data Science and Computer Vision teams and drive the development of advanced machine learning solutions across the organization. This role requires a strong technical foundation in machine learning, deep learning, and modern AI/LLM methodologies, combined with excellent leadership and communication skills. The ideal candidate is both a strategic thinker and a hands-on practitioner, capable of developing and guiding the full lifecycle of model development—from ideation and research to deployment and long-term maintenance.

• Lead, mentor, and develop a multidisciplinary team of Data Scientists, Machine Learning Engineers, and Computer Vision Engineers.
• Define the Data Science strategy and roadmap aligned with company goals.
• Foster a culture of innovation, experimentation, and scientific rigor.
• Collaborate closely with product, engineering, operations, and business stakeholders to translate business objectives into actionable AI/ML solutions.

• Oversee end-to-end development of machine learning models, from data exploration and feature engineering to production deployment.
• Build and maintain efficient, scalable ML pipelines and workflows.
• Ensure high standards in model quality, validation, reproducibility, and monitoring.
• Guide the development, deployment, and optimization of models for both tabular and computer vision tasks.
• Architect and maintain ML infrastructure, including tools such as MLflow, model registries, CI/CD for ML, and monitoring systems.

• Stay up to date with state-of-the-art AI and LLM techniques, including fine-tuning, retrieval-augmented generation (RAG), and parameter-efficient methods (e.g., LoRA).
• Evaluate and integrate modern LLM frameworks and APIs, such as Qwen, OpenAI, and open-source alternatives.
• Lead experimentation with LLM-based features and pipelines.

Cross-Functional Collaboration

• Communicate complex technical concepts to non-technical stakeholders in a clear and actionable way.
• Work with data engineering to ensure high-quality, reliable data pipelines.
• Align data science initiatives with product roadmaps and business KPIs.

Operational Excellence:

• Oversee ongoing monitoring, maintenance, and performance tuning of deployed ML services.
• Establish and enforce best practices for versioning, reproducibility, testing, and documentation.
• Ensure data governance, privacy, and compliance with relevant regulations.

• Proven experience in a senior or lead Data Science role; prior experience managing a team is essential.
• Deep understanding of machine learning, deep learning, and statistical modeling.
• Strong hands-on experience with model development and deployment in real-world production environments.
• Expertise with classical ML techniques (e.g., Logistic Regression, CART, Gradient Boosting) and modern deep learning architectures.
• Solid understanding of ML operations and infrastructure (e.g., MLflow, model registries, pipeline orchestration, monitoring).
• Experience with LLMs, including fine-tuning and integrating state-of-the-art models (e.g., LoRA, Qwen, OpenAI models).
• Strong programming skills in Python, and familiarity with Typescript for integrations or tooling.
• Proficiency in working with databases such as ClickHouse and PostgreSQL.
• Experience with cloud services (AWS, GCP, or Azure) and containerization technologies (Docker, Kubernetes).
• Strong professional English communication skills (written and verbal) are mandatory due to cross-department collaboration and documentation requirements.
• Excellent communication, leadership, and stakeholder management skills.
• Ability to drive projects independently and manage multiple priorities in a fast-paced environment.

• Experience working with computer vision models and frameworks.
• Familiarity with Typescript and React.
• Familiarity with distributed computing frameworks (py-spark).
• Understanding of data engineering fundamentals and ETL/ELT pipelines.
• Prior involvement in building or scaling ML platforms or internal AI tooling.
• Background in experimentation, A/B testing, and causal inference methods.

Обязанности:

Лидерство и стратегия

• Руководство, наставничество и развитие многопрофильной команды специалистов (Data Scientists, Machine Learning Engineers, Computer Vision Engineers).

• Определение стратегии и дорожной карты развития Data Science в соответствии с целями компании.

• Формирование культуры инноваций, экспериментирования и научной строгости.

• Тесное взаимодействие с продуктом, разработкой, операциями и бизнес-заказчиками для трансляции бизнес-задач в практические AI/ML-решения.

Техническая реализация

• Контроль за полным циклом разработки ML-моделей: от исследования данных и feature engineering до внедрения в продакшн.

• Создание и поддержка эффективных и масштабируемых ML-пайплайнов и рабочих процессов.

• Обеспечение высоких стандартов качества, валидации, воспроизводимости и мониторинга моделей.

• Руководство разработкой, развертыванием и оптимизацией моделей для задач как с табличными данными, так и с компьютерным зрением.

• Проектирование и поддержка ML-инфраструктуры, включая такие инструменты как MLflow, реестры моделей, CI/CD для ML и системы мониторинга.

Развитие AI и LLM

• Отслеживание последних достижений в области AI и LLM, включая тонкую настройку, retrieval-augmented generation и параметро-эффективные методы.

• Оценка и интеграция современных LLM-фреймворков и API.

• Руководство экспериментов с функциями и пайплайнами на основе LLM.

Межфункциональное взаимодействие

• Понятное и доступное донесение сложных технических концепций до нетехнических специалистов.

• Работа с инженерами данных для обеспечения надежных и качественных данных.

• Согласование инициатив в области Data Science с продуктовыми дорожными картами и бизнес-показателями.

Операционное совершенство

• Контроль за мониторингом, обслуживанием и тонкой настройкой развернутых ML-сервисов.

• Внедрение и поддержка лучших практик по версионированию, воспроизводимости, тестированию и документации.

• Обеспечение управления данными, их конфиденциальности и соответствия нормативным требованиям.

Требования:

• Подтвержденный опыт работы на старшей или руководящей должности в Data Science; опыт управления командой обязателен.

• Глубокое понимание машинного обучения, глубокого обучения и статистического моделирования.

• Практический опыт разработки и внедрения моделей в реальных продакшн-средах.

• Знание классических методов ML и современных архитектур глубокого обучения.

• Понимание принципов ML Ops и соответствующей инфраструктуры.

• Опыт работы с LLM, включая тонкую настройку и интеграцию передовых моделей.

• Хорошие навыки программирования на Python; знакомство с TypeScript будет плюсом.

• Опыт работы с базами данных, такими как ClickHouse и PostgreSQL.

• Опыт работы с облачными платформами и технологиями контейнеризации.

• Свободное владение английским языком (письменным и устным) обязательно в связи с межфункциональным взаимодействием и требованиями к документации.

• Отличные коммуникативные, лидерские навыки и навыки управления стейкхолдерами.

• Способность самостоятельно вести проекты и управлять несколькими приоритетами в динамичной среде.

• Гибкое оформление.