Задачи:
— глубокий анализ данных для построения и калибровки моделей
— опыт построения uplift-моделей и кривых отклика для оптимизации процентных ставок
— разработка моделей оценки эластичности спроса на кредит по ставке
— разработка, обучение и валидация продвинутых ML-моделей для индивидуального ценообразования (регрессионные модели, градиентный бустинг, методы обучения с подкреплением / Reinforcement Learning для динамического ценообразования)
— анализ и интерпретация результатов A/B-тестов ценовых стратегий, оценка их бизнес-эффекта (влияние на выручку, маржу, конверсию, LTV)
— построение и оптимизация симуляционных сред для предварительной оценки эффекта ценовых изменений.
Требования:
— глубокое знание и практический опыт (от 3 лет) применения методов машинного обучения и анализа данных для решения бизнес-задач, желательно в области ценообразования, экономики или финтеха
— продвинутый уровень знаний в области статистики, эконометрики и методологии проведения A/B-тестов
— понимание принципов микроэкономики и теории цен
— опыт разработки и внедрения в production моделей, напрямую влияющих на финансовые метрики (выручка, маржа)
— продвинутые знания SQL и Python для анализа данных и ML
— опыт работы с Python ML-фреймворками (Scikit-Learn, LightGBM/CatBoost/XGBoost, PyTorch/TensorFlow, библиотеки для RL), Spark (PySpark), опыт работы с базами данных (GreenPlum, PostgreSQL, ClickHouse)
— будет плюсом: опыт построения систем динамического ценообразования (dynamic pricing) или моделей на основе обучения с подкреплением (Reinforcement Learning).
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и 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.
Компания Mayflower — технологическая компания, создающая высоконагруженные продукты, которыми пользуются миллионы людей по всему миру.
Условия:
— Офис в Лимасоле, Кипр
— Помощь с переездом
Разработка и внедрение ML-моделей прогнозирования спроса (временные ряды + градиентный бустинг + нейросети) на уровне SKU; Автоматизация пайплайнов ретрайна и мониторинга качества прогнозов в продакшене (MLflow, Airflow, Docker);
ОфисМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— глубокий анализ данных для построения и калибровки моделей
— опыт построения uplift-моделей и кривых отклика для оптимизации процентных ставок
— разработка моделей оценки эластичности спроса на кредит по ставке
— разработка, обучение и валидация продвинутых ML-моделей для индивидуального ценообразования (регрессионные модели, градиентный бустинг, методы обучения с подкреплением / Reinforcement Learning для динамического ценообразования)
— анализ и интерпретация результатов A/B-тестов ценовых стратегий, оценка их бизнес-эффекта (влияние на выручку, маржу, конверсию, LTV)
— построение и оптимизация симуляционных сред для предварительной оценки эффекта ценовых изменений.
Требования:
— глубокое знание и практический опыт (от 3 лет) применения методов машинного обучения и анализа данных для решения бизнес-задач, желательно в области ценообразования, экономики или финтеха
— продвинутый уровень знаний в области статистики, эконометрики и методологии проведения A/B-тестов
— понимание принципов микроэкономики и теории цен
— опыт разработки и внедрения в production моделей, напрямую влияющих на финансовые метрики (выручка, маржа)
— продвинутые знания SQL и Python для анализа данных и ML
— опыт работы с Python ML-фреймворками (Scikit-Learn, LightGBM/CatBoost/XGBoost, PyTorch/TensorFlow, библиотеки для RL), Spark (PySpark), опыт работы с базами данных (GreenPlum, PostgreSQL, ClickHouse).
Будет плюсом:
— опыт построения систем динамического ценообразования (dynamic pricing) или моделей на основе обучения с подкреплением (Reinforcement Learning)
— опыт работы в ритейле, финтехе, marketplace-сегменте или сфере услуг с высокой конкуренцией
— умение переводить бизнес-задачи на язык данных и обратно
— знание основ юнит-экономики и финансового моделирования
— опыт разработки или интеграции решений с применением GenAI.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и 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:
— участвовать в разработке и валидации моделей кредитного скоринга
— регулярно запускать и контролировать ML-пайплайны
— мониторить производительность и стабильность моделей
— проводить плановое переобучение моделей
— готовить отчёты по производительности моделей, включая Gini / KS
— поддерживать модели в продакшене
Требования:
— от 2 лет опыта в Data Science
— понимание принципов кредитного скоринга
— узбекский язык обязателен
— опыт работы в банковской сфере или финтехе
— уверенный SQL и Python, практический опыт с Apache Spark
— опыт внедрения и сопровождения ML-моделей в продакшене
— понимание MLOps и полного жизненного цикла ML-моделей
Будет большим плюсом:
— опыт работы в банках или финтех-компаниях Узбекистана
Условия:
— полная занятость
— зарплата до 4000 USD на руки
— Ташкент, работа из офиса
— долгосрочный проект
Задачи:
— Разрабатывать и внедрять ML-модели для прогнозирования поведения клиентов-физических лиц и розничного продуктового портфеля Банка
— Рассчитывать ожидаемые денежные потоки по кредитным и пассивным продуктам Банка
Требования:
— Опыт работы в банковской сфере
— Опыт разработки и внедрения ML-моделей от сырых данных до production
— Работа с табличными данными
— Свободное владение Python: Pandas, NumPy, Matplotlib (или аналогичными инструментами визуализации)
— Знание SQL: оконные функции, сложные JOIN, оптимизация запросов к БД
— Хорошее владение ML-библиотеками: CatBoost, LightGBM, XGBoost, Scikit-learn
— Умение проводить стресс-тесты и А/В-тесты
— Понимание особенностей розничных банковских бизнес-процессов
— Преимуществом будет знание MLflow, Airflow, Butch Scoring, Docker, Spark / PySpark
Условия:
— Офисный формат работы
— Офис в центре Москвы
Задачи:
— разработка моделей по продуктам кредитов физических лиц (КФЛ) для Блока Финансы
— модели досрочного погашения кредитов/вкладов ФЛ на портфельном/клиентском уровне
— модели эластичности КФЛ
— модели рефинансирования КФЛ
— модели детекции аномалий по НОСТРО счетам
Обязанности:
— сбор и подготовка данных (Hadoop, pyspark)
— тестирование различных гипотез
— полный пайплайн разработки модели (бустинг, нейронные сети, временные ряды)
— общение с заказчиками и Data Engineer
Требования:
— опыт работы Data Scientist от 2 лет
— образование по направлениям "Математика", «Физика», «Мат. методы в экономике»
— глубокие знания в области теории вероятностей, статистики
— понимание алгоритмов ML-моделей (регрессии, классификации и т. д.)
— владение Python (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost и др.)
— будет плюсом владение одним из фреймворков DL, pyspark
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия (зависит 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:
— строить ML модели на основе различных данных: табличные, графовые, NLP, GEO, последовательности событий (кликстрим, транзакции и т.д.)
— писать production код и выводить его в ПРОМ
— улучшать процесс построения моделей, разрабатывать собственные прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде
— выдвигать data-driven гипотезы/предложения для запуска новых механик, а также поиск инсайтов в данных.
Требования:
— глубокое знание классического ML
— понимание основных Deep Learning подходов
— продвинутое знание SQL
— отличное знание Python
— понимание и опыт АB-тестирования.
Будет плюсом:
— понимание специфики разработки ML-технологий, начиная с формулировки бизнес-проблемы, заканчивая выведением на регулярную основу в прод
— опыт решения задач ранжирования или Real Time Bidding
— опыт работы с Pyspark, Greenplum.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и 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.
TBC Uzbekistan is a digital financial services ecosystem powering some of Uzbekistan's most innovative financial experiences.
Languages required: English (C1), Russian (B2).
Work format: On-site in Tashkent, Uzbekistan.