Данные и ML вакансии - гибрид

Задачи: — Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации push/pull-коммуникаций, категорий кешбэка, рекламных материалов и других сценариев в цифровых каналах банка; — Визуализировать и интерпретировать результаты, дизайнить A/B-тесты, проводить пилоты; — Общаться с бизнесом и помогать решать задачи через данные и ML; — Проходить полный цикл разработки модели: от уточнения требований до продакшна и мониторинга качества (если каких-то навыков не хватает — поможем развить); — Разрабатывать AI-агентов. Требования: — Высшее техническое образование; — 3+ года опыта в Data Science (именно построение моделей, не только аналитика); — Уверенный математический аппарат: мат. статистика, теория вероятностей; — Продвинутый Python и SQL (оконные функции, подзапросы — на автомате); — Опыт работы со Scikit-learn, NumPy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git. Будет большим плюсом: — PySpark, Hive, Hadoop, Docker, Kubernetes; — Опыт в банковской сфере и CVM; — Модели склонности и uplift-моделирование; — Рекомендательные системы (RecSys); — NBA/NBO оптимизаторы (Next Best Action / Next Best Offer); — ИИ-сервисы (real-time, near real-time или batch). Условия: — Гибридный формат работы, Москва, Москва-Сити (2 дня в неделю в офисе); — Комфортный и современный офис; — Обучение за счет компании (посещение конференций, курсов, помощь в написании статей на Хабр и т.д.); — Вертикальное и горизонтальное развитие: регулярные тренинги, вебинары, митапы; — Забота о вашем здоровье: ДМС с первого месяца работы, куда входит стоматология; — Прозрачный доход по итогам интервью; — Дополнительные бонусы от Россельхозбанка для сотрудников группы компаний (Скидки на спортзалы, рестораны, маркетплейсы и т.д.).

О компании и продукте Мобильная game development-компания развивает один из самых успешных ad-driven продуктов в мире - digital coloring book с многомиллионной аудиторией. Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду. Почему стоит рассмотреть • Прямое влияние на рекламную выручку, engagement, retention и LTV продукта • Работа с большими поведенческими данными и ML-моделями в продукте с миллионами пользователей • Возможность формировать Data Science-направление, roadmap и технические стандарты команды • Кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization Важно • 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах • Обязателен опыт advertising monetization, revenue optimization или advertising analytics • Опыт разработки recommendation, personalization или ranking systems • Сильные Python и SQL • Практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling • Понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets • Опыт технического лидерства или менторинга Data Scientists

О проекте и команде: Технологическая компания, развивающая quantitative-инфраструктуру и ML-решения для рынков цифровых активов. Проект находится на pre-launch стадии, команда специализируется на quant research, machine learning и blockchain-разработке. Задачи на этой роли: — Полный цикл исследований по краткосрочной микроструктуре, LP/хеджированию, исполнению, межплощадочным сигналам, распределению риска и смежным задачам crypto/DeFi; — Дизайн исследования: гипотеза, target/разметка, baseline, метрики, причинно корректная OOS-проверка, анализ режимов и явные критерии GO/NO-GO; — Работа с данными: поиск источников, выравнивание времени, контроль качества, построение признаков и воспроизводимые контракты данных; — ML/DL по структуре задачи; RL или другие методы последовательного управления - только когда они действительно оправданы; — Реалистичная симуляция и торговая экономика: комиссии, проскальзывание, ликвидность, задержки, adverse selection, impact, fill assumptions, хеджирование и синхронизация DEX/CEX; — Paper/shadow-стратегии, анализ sim-to-real и совместная работа с quant developer при переносе доказанных решений в production; — Инженерный стандарт исследования: воспроизводимые эксперименты, чистый Python, критичные проверки, мониторинг и дисциплинированное использование LLM/агентов. Ожидания от кандидата: — Проверяемый опыт 2-3 Quant/ML проектов, где вы лично отвечали за существенную часть цепочки от постановки задачи и данных до проверки, кода и решения о внедрении либо GO/NO-GO; — Отличный Python и сильная инженерная база: вы сами пишете, отлаживаете и ревьюите исследовательский код; — Сильную статистику, вероятность, оптимизацию и работу с временными рядами: временную зависимость, leakage, selection bias, uncertainty и честную OOS-проверку; — Глубокое практическое понимание микроструктуры и исполнения: order book/flow, liquidity, latency, fees, slippage, adverse selection, impact, sizing и hedging. — Сильное практическое владение ML/DL для последовательных финансовых данных и способность отличать реальный сигнал от оптимизации метрики; — Высокую самостоятельность: структурировать неясную проблему, выбирать наиболее информативный эксперимент, быстро останавливать слабые гипотезы и принимать решения на основании доказательств; — Рабочее понимание структуры crypto-рынка. Прямой опыт DeFi/DEX будет плюсом, но сильный CEX/microstructure опыт может его компенсировать при быстрой адаптации. Условия и возможности: — Полная занятость, 5/2, гибридный/удаленный формат, офис в центре Москвы; — Работа с реальным капиталом, где качество исследования, реалистичность исполнения и риск-контроль имеют прямое значение; — Прямая работа с Quant/ML, разработкой и руководством компании, высокая самостоятельность и короткий цикл обратной связи; — Небольшая команда, где сильное исследование может стать production-системой, а не закончиться презентацией; — Компенсация всех необходимых инструменты и ПО для работы.

Задачи: — Руководство и наставничество в команде Data Science Требования: — Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах — Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы — Опыт работы с системами рекомендаций, персонализации или ранжирования — Продвинутые навыки Python и SQL — Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике — Опыт работы с большими поведенческими наборами данных — Опыт руководства или наставничества в командах Data Science — Родной русский язык Будет преимуществом: — Знание и опыт работы с AdMob, AppLovin, Unity Ads, ironSource — Опыт с MLOps и облачными платформами AWS, GCP, Azure — Знания в области LLMs и генеративного ИИ

Задачи: — управление полным циклом разработки моделей и ML-решений от постановки задачи до передачи на мониторинг; — формирование бэклога проектов; — генерация подходящих ML-решений для задач бизнеса; — формирование бизнес-технических моделей и технических заданий смежным стримам и командам.

Задачи: — Разработка моделей для рекомендательных систем CVM — Рекомендация персональных предложений в мобильном приложении, рекомендации докупа в корзине, рекомендации в карточке товара Требования: — Высшее образование — Навыки построения авторегрессионных моделей (семейство ARIMA, экспоненциальное сглаживание, Prophet и тд) и деревяных моделей (случайный лес, бустинги) в задачах прогнозирования — Высокий уровень Python, средний уровень SQL — Знание и опыт использования классических рекомендательных алгоритмов (матричная факторизация), а также более продвинутых (бустинги, нейронные сети) — Умение работать с очисткой от выбросов, сглаживания временного ряда — Приветствуется опыт работы с нейронными сетями в задачах прогнозирования Условия: — Работа в компании с мировыми стандартами и легендарной историей — Оформление в ИТ аккредитованную компанию — Интересные задачи и профессиональное развитие — Конкурентоспособный социальный пакет — Гибридный формат работы

Задачи: — разработка LLM агентов — создание логики работы и взаимодействия агентов — дообучение NLP моделей — создание RAG систем — вывод и сопровождение моделей — написание API для выводимых моделей. Требования: — знания в области математики, data science — владение Python (pandas, numpy, torch, fastapi, langchain, etc) — знание SQL, spark — приветствуется опыт работы с git, docker — опыт работы с NLP пайплайнами. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: • Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости • Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию • Определение ML SysDes решения с учетом разрешенного технологического стека • Участие в валидации и автомониторинге моделей, проведение A/B тестирования Требования: • Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.) • Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов • Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений • Умение переводить бизнес-постановку задачи в ML-постановку • Высокий уровень владения Python и SQL • Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers • Знание принципов построения RAG, VisionRAG и AgenticRAG систем • Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5) • Знание агентных архитектур (ReAct, Multi-agent и др.) • Знание фреймворков для работы с LLM (LangChain, LangGraph и др.) • Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker) • Понимание жизненного цикла моделей (CRISP-DM) Условия: • Гибкий гибрид (обсуждаем индивидуально) • Современный IT-офис вблизи Москва-Сити с фитнес-залом • Ипотека с выгодой для сотрудника и льготные условия кредитования • Бесплатная подписка СберПрайм+ • Скидки на продукты компаний-партнеров • ДМС с первого дня и льготное страхование для близких • Корпоративная пенсионная программа • Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию • Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

Компания AI research lab 42 — лаборатория, разрабатывающая автономного AI Scientist — систему, способную самостоятельно формулировать гипотезы, проводить эксперименты и находить решения. Задачи: — TradFi Research Lead: построить и возглавить research-направление в traditional markets, разрабатывать MFT-стратегии, строить портфели и risk/execution models, выводить стратегии в production — AI Researcher — Autonomous Research: перейти от ручного quant research к автономной agent-driven системе, генерировать гипотезы, тестировать и оптимизировать стратегии — Quantitative Researcher — Crypto MFT: полный цикл разработки medium-frequency crypto strategies, поиск alpha и backtesting, production и мониторинг live performance Требования к кандидату: — TradFi Research Lead: 5+ лет в systematic quant research, подтверждённый track record прибыльных MFT-стратегий, опыт с equities / futures / options / FX, опыт лидерства — AI Researcher — Autonomous Research: MFT/HFT researcher, сильное понимание market microstructure, статистики и Python/ML, способность формализовать research-процесс для автоматизации — Quantitative Researcher — Crypto MFT: 2+ лет в systematic trading, опыт запуска стратегий в live, глубокое понимание crypto market structure (spot, perps, funding), сильные Python, statistics и ML/DL Условия: — B2B контракт — помощь с релокацией в Амстердам по high skilled migrant visa — оформление в голландскую компанию с 30%ным налоговым рулингом

Требования: — Поддержка и доработка текущих приложений — Разработка новых модулей и сервисов — Обёртка моделей в API — Контейнеризация (Docker) — Мониторинг — Участие в работе с большими языковыми и визуально-языковыми моделями.

Location: New York, NY (HQ) Workplace: Hybrid ABOUT RAMP Ramp is building the smart infrastructure for finance teams, embedded in the transaction flow of every dollar a business spends. We automate how over $275B in annualized spend flows in and out of 85,000+ companies: authorizing payments, flagging risk, categorizing spend, and closing books. The problems are high-stakes, data-dense, and unforgiving. We hire people with high agency and high urgency. We look for slope over intercept. We care less about where you trained and more about what you’ve built. At Ramp, everyone is a builder who owns problems end to end and makes consequential decisions that shape the outcome. The median Ramp customer saves 7.5% and grows revenue 16% in their first year – far in excess of businesses operating without Ramp. We believe every ambitious company deserves the same. If you want to build systems that directly shape how companies move and manage billions, Ramp is the place to do it. ABOUT THE ROLE The Applied Science team builds models and tools that solve Ramp’s most critical problems: from underwriting businesses to combatting fraud to making spend management smarter. We’re deeply embedded in the business and provide a quantitative foundation for decision making. As an Applied Science intern, you’ll be a fully integrated member of the team and own your project from start to finish. Working with engineers, product managers, and business stakeholders, you’ll translate complex business needs into scalable machine-learning-driven solutions. This is a chance to apply ML concretely, ship code, and create genuine value for Ramp and our customers. You will focus on exciting problems in areas like: credit, fraud, growth, or our core product.   WHAT YOU’LL DO - End-to-End ML: own the model lifecycle from data exploration and feature engineering to training, benchmarking, deployment, and monitoring - State-of-the-Art AI: leverage the latest Large Language Models (LLMs) to solve novel problems and create new product capabilities for our customers - Versatile Techniques: apply the right tools to the right problems, whether it’s deep learning, gradient boosting, or causal inference - Rigorous Experimentation: quantify the impact of your work through A/B tests and other statistical methods - Collaborate: partner closely with product and business leaders to translate models and insights into actionable strategy and user-facing features   WHAT YOU NEED - B.S., M.S. or Ph.D. Student: currently pursuing a degree in Data Science, Computer Science, Math, Physics, Economics, Statistics, or other quantitative fields with an expected graduation date between Dec 2027 - 2029. Graduate degrees are preferred, but not a must. - Strong ML Fundamentals: solid understanding of the mathematical foundations of machine learning, statistics, probability, and optimization - Strong Interest or Experience with AI: curiosity and drive to integrate cutting edge LLMs and agents into applied solutions - Python Proficiency: good grasp of common Data Science libraries (pandas, scikit-learn, NumPy, PyTorch, etc.) - SQL Knowledge: experience wrangling data in a modern data warehouse (e.g. Snowflake, BigQuery, Redshift, Clickhouse) - Practical Experience: track record of curating datasets and building/evaluating ML models - Strong Communication: ability to clearly explain complex concepts to both technical and non-technical audiences and use data to build a compelling narrative - Bias For Action: a comfort with ambiguity and desire to ship solutions quickly then iterate   NICE TO HAVES - Publications, Projects, or Previous Experience: relevant experience applying AI/ML and demonstrating your passion for the field - Production ML Mindset: knowledge of software engineering best practices applied to ML including version control (Git), testing, and writing maintainable code - Data Orchestration: experience with leveraging modern data orchestration platforms (Airflow, Dagster, Prefect, Metaflow)   COMPENSATION - The monthly rate for this internship is $12,500 USD + housing stipend   RAMP BENEFITS - Apple MacBook - Catered lunches in NYC office Monday-Friday - Weekly coffee stipend BENEFITS AVAILABLE TO ALL FULL-TIME RAMP EMPLOYEES (GLOBAL) - Flexible PTO - Centralized home-office equipment ordering - Health and wellness stipend - Budget for intra-office travel - Weekly coffee stipend UNITED STATES - 100% medical, dental & vision insurance coverage for you, with partial coverage for dependents - One Medical annual membership - 401(k), including employer match on contributions made while employed by Ramp - Fertility HRA (up to $10,000 per year) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay - Pet insurance - In-office perks: lunch, snacks, drinks, and more - Relocation expense coverage to NYC or SF (if needed) CANADA - Group medical, dental, and vision coverage through Sun Life - Life, AD&D, and disability coverage - Fertility drug coverage (up to $4,000 lifetime) - Group Retirement Plan with employer match (RRSP + DPSP) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay, with additional time available at reduced pay - Employee Assistance Program and virtual care through Lumino Health UNITED KINGDOM - Private medical insurance through Freedom Elite - Virtual GP and at-home care via eMed x Livi - Workplace pension through Penfold, with salary sacrifice option - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay with additional time available at reduced pay REFERRAL INSTRUCTIONS If you are being referred for the role, please contact that person to apply on your behalf.   OTHER NOTICES Pursuant to the San Francisco Fair Chance Ordinance, we will consider for employment qualified applicants with arrest and conviction records.   Beware of recruiting scams: Ramp will only contact you through official @Ramp.com http://Ramp.com email addresses and will never ask for payment or sensitive personal information during the hiring process.   Ramp Applicant Privacy Notice https://ramp.com/legal/applicant-privacy-notice

Задачи: — поиск подходящих ML решений для решения бизнес-задач, проведение оффлайн и онлайн (А/Б) экспериментов — разработка и улучшение ML-пайплайнов для задач RecSys: подготовка данных, обучение моделей, валидация и внедрение — анализ и работа с большими объёмами данных на PySpark — исследование и применение актуальных методик в области Data Science, Machine Learning и RecSys — взаимодействие с командой разработки и аналитики, генерация гипотез, участие в обсуждении решений и донесение результатов своей работы до команды. Требования: — опыт работы в области Data Science от 1 до 3 лет — интерес к рекомендательным системам, желание развиваться и постепенно брать на себя больше ответственности — практические навыки решения ML-задач: от подготовки данных и выбора алгоритмов до настройки гиперпараметров и оценки качества моделей — хорошая база в алгоритмах машинного обучения и интеллектуальном анализе данных; опыт применения классических ML- и/или DL-подходов будет преимуществом — хорошее знание Python и основных DS-фреймворков (PyTorch, PySpark и др.), понимание принципов написания качественного кода — способность самостоятельно разбираться в новых подходах, читать технические материалы на английском и применять их на практике Будет плюсом: — опыт реализации DS-проектов в области рекомендаций — опыт работы с ranking-задачами, feature engineering, A/B-тестами или ML-экспериментами — опыт вывода ML-решений в production или участия в развитии ML-пайплайнов. — опыт работы с высоконагруженными системами с машинным обучением и Big Data — участие в профильных курсах, соревнованиях или pet-projects в области ML/RecSys. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Разработка ML-моделей и алгоритмов — Вывод в production ML-моделей и расчетных модулей — Аналитика на больших данных — Поддержка реализованных решений — Разработка ML-моделей и алгоритмов для прогнозирования временных рядов Требования: — продвинутые знания в области математики (мат.анализ, линейная алгебра, теория вероятностей, мат.статистика) — python: типы данных, структуры, ООП — классический ML: задачи (классификация, регрессия), метрики, basic ML stack (pandas, numpy, sklearn, catboost, xgboost), SQL — BigData stack (Hadoop, Spark, SparkML) — умение работать с git, Jira, Confluence Будет плюсом: — знания в области финансов — опыт продуктовой аналитики — опыт работы с временными рядами (анализ, разработка моделей) — опыт работы с LLM (langchain, langgraph) — опыт end-2-end разработки ML-моделей (EDA-MVP-Solution-Validation-Production) — опыт backend разработки Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — ежегодный пересмотр зарплаты, годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров — вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — участвовать в полном цикле разработки моделей по рискам розничного бизнеса: постановка задачи, сбор данных, разработка ML-модели, подготовка артефактов для внедрения — исследовать источники данных и современные архитектуры для повышения качества работы моделей — написание алгоритмов для целей сегментации выдач по риск-доходности — презентация результатов исследований бизнес-заказчикам. Требования: — опыт разработки моделей машинного обучения (классический стек) — знание ключевых методов и алгоритмов в области Machine Learning — знание Python и библиотек Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers — навыки работы с базами данных, знание SQL, PySpark — высокий уровень ответственности и самостоятельности Будет плюсом: — опыт стажировок — опыт с LLM и AI-агентами — учебные знания в области розничного кредитования, портфельного управления и математики кредитных рисков. Условия: — оплачиваемая стажировка — возможность выбрать удобный график – офис или гибрид (локация: м. Кутузовская) — корпоративный спортзал и зоны отдых.

Компания «КОРУС Консалтинг» — аккредитованная российская ИТ-компания, предоставляющая услуги по ИТ-консалтингу, оптимизации и автоматизации бизнес-процессов, созданию ИТ-инфраструктуры и ИТ-аутсорсингу. Входит в топ-100 крупнейших ИТ-компаний страны. Компания занимается разработкой ИИ-продуктов для клиентов, поддерживает собственную ИИ-инфраструктуру и регулярно организует митапы в области искусственного интеллекта. Департамент аналитических решений (ДАР) помогает компаниям работать с данными: строит BI и отчётность, создаёт хранилища и витрины данных, разрабатывает ML-решения, занимается Data Governance и GenAI. Открыт набор на стажировку для студентов, желающих начать карьеру в аналитике, инженерии данных и AI разработке. Во время стажировки: — попробуешь себя на реальных задачах; — пройдёшь курс для погружения в роль и получишь обратную связь от экспертов; — познакомишься с командой и процессами проектов в консалтинге; — сможешь зарекомендовать себя для дальнейшего трудоустройства в компанию. Как попасть на стажировку: — откликнись на вакансию и приложи резюме; — в сопроводительном письме укажи свой курс и код специальности; — получишь ссылку на лэндинг стажировки для прохождения технического теста и записи видео-визитки; — поучаствуешь в онлайн бизнес-игре. Старт стажировки планируется на начало августа. Условия стажировки: — длительность 3-4 месяца; — оформление по срочному трудовому договору; — стажировка оплачиваемая. Требования: — студент 3–4 курса бакалавриата (или специалитета) либо 1–2 курса магистратуры; — обучение по IT, математическому или инженерно-техническому направлению; — готовность самостоятельно учиться и доводить задачи до результата; — проживание в Москве или Санкт-Петербурге и готовность к гибридному формату работы с периодическим посещением офиса.

Задачи: — работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей — разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний — проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов) — выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке — обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день. Требования: — опыт работы Data Scientist от 5 лет — высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны) — понимание теории вероятностей и статистики — уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать) — владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.) — плюсом будет опыт работы с pytorch, pyspark. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.

Languages required: English (excellent communication skills), Japanese (not required, but useful).