Аналитик данных

Navio — разработчик технологии автономного вождения, совместимой с различными видами транспорта: от легковых автомобилей до грузовиков.

Navio объединяет культуру автопроизводителей и ИТ-компаний. Каждый день мы работаем над тем, чтобы доставка грузов стала быстрее и эффективнее, а городской транспорт — безопаснее и комфортнее.

Ключевое направление работы Navio — создание универсальной автономной технологии, включающей ПО и аппаратные решения, научные исследования, уникальный процесс тестирования и экосистему сервисов для обработки данных и управления автономным флотом автомобилей.

Чем предстоит заниматься:

• Разрабатывать метрики для оценки работы системы автономного вождения (комфорт, безопасность, эффективность, прогресс новых версий софта);
• Регулярно анализировать технологию: проводить A/B тесты, проверять гипотезы, сравнивать проезды, искать аномалии, оценивать влияние изменений в софте и алгоритмах;
• Оценивать качество данных, используемых для расчета метрик;
• Участвовать в оптимизации авторазметки проездов: помогать готовить датасеты для машинного обучения моделей и обучения визуальных языковых моделей, автоматизировать контроль качества разметки;
• Строить дашборды и визуализации для команды разработки, тестирования и руководства.

Что мы ждем от кандидата:

• Умеешь исследовать данные, находить инсайты и формулировать четкие, проверяемые выводы;
• Знаешь, как правильно визуализировать результаты и доносить их до разных аудиторий;
• Владеешь базовыми методами статистического анализа;
• Уверенно пишешь на SQL: общие табличные выражения, оконные функции, оптимизация запросов, работа с большими таблицами;
• Используешь Python для анализа данных: pandas, numpy, визуализация (matplotlib/seaborn/plotly).

Будет плюсом:

• Понимаешь, как работает автопилот: сенсоры (камеры/лидар), планирование, контроль, работа с ROS/ROS2;
• Имеешь опыт работы с большими данными: PySpark, Hive, ClickHouse, S3-хранилища;
• Строил дашборды в BI-системах: Metabase, Superset, DataLens, Tableau;
• Проектировал и проводил A/B тесты (расчёт выборки, матстатистика, выводы);
• Умеешь применять методы машинного обучения в аналитических задачах: кластеризация, детекция аномалий, бутстрэп, временные ряды;
• Понимаешь, как устроены пайплайны авторазметки или работал с визуальными языковыми моделями для валидации данных.