Преподаватель Data science
В архиве с 29 марта 2021
Требуемый опыт работы: не требуется
Полная занятость, полный день
Москва, улица Орджоникидзе, 11с10
Вакансия в архиве
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию
Похожие вакансии
Data Engineer
от 3 500 $Опыт от 1 года до 3 лет
Поддержкой текущей инфраструктуры хранилища данных и формированием витрин данных. Работать с базой данных (написание запросов в БД на SQL).
Опыт работы от 2-3х лет на позиции на стеке Microsoft: Microsoft SQL Server, SSIS, SSAS. Знание Transact-SQL.
Опыт от 1 года до 3 лет
Можно из дома
Разрабатывать ETL/ELT-пайплайны сбора и обработки данных. Разрабатывать приложения потоковой / пакетной обработки clickstream данных. Разрабатывать автоматизированные пайплайны расчета алгоритмов.
Высшее техническое образование. Опыт работы в качестве Data Engineer. Опыт в создании высоконагруженных сервисов. Навыки написания сложных SQL запросов и...
Москва, Арбатская и еще 1
Опыт от 1 года до 3 лет
Мы новоиспеченный отдел, помогающий бизнесу применять ML в релевантных областях. Широкий бэклог задач: динамическое ценообразование, оптимизация сроков сдачи проектов, OCR...
Опыт в ML от двух лет. Знание основ мат. статистики. Понимание принципа работы основных алгоритмов классического ML. Опыт работы с...
Опыт от 1 года до 3 лет
Интегрировать разные источники корпоративных хранилищ. Реализовывать крутые и большие проекты для разных команд. Участвовать в активной жизни нашего коммьюнити.
Знания принципов работы БД, построения ХД. Опыт разработки ETL процессов. Имеет опыт работы с системами контроля версий (Git).
Опыт от 1 года до 3 лет
Можно из дома
Реализация ETL в Hadoop (с помощью Airflow). Работа с различными источниками данных: Oracle, MS SQL, API личных кабинетов, микросервисы.
Уверенное владение Python. Опыт использования эко-системы Hadoop: HDFS, Apache AirFlow, Hive, Kafka,Spark. Знание SQL. Опыт работы с реляционными...
Data Scientist Middle MLE
150 000 – 300 000 ₽Москва
Опыт от 1 года до 3 лет
Можно из дома
Собирать данные из DWH. Экспериментировать с моделями, фичами, описывать эксперименты во внутренней документации. Деплоить модели в продакшн. Проводить мониторинг, поддерживать...
Python (numpy, scipy, pandas, sklearn, catboost, pytorch). SQL (Clickhouse, PostgreSQL). Понимание, как устроены классические ML и DL алгоритмы.
Москва, улица Орджоникидзе, 11с10