Data Scientist
В архиве с 17 февраля 2023
от 300 000 до 450 000 ₽ на руки
Требуемый опыт работы: 3–6 лет
Полная занятость, полный день
Вакансия в архиве
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию
Похожие вакансии
Москва, Кутузовская и еще 1
Опыт от 1 года до 3 лет
Разрабатываем и автоматизируем методы для валидации моделей различных классов (в свете усложнения моделей Сбера особенно актуально). Строим систему отчетности для...
Знание машинного обучения и статистического анализа (интересен любой опыт). Знание мат. статистики, алгоритмов, структур данных. Знание Python и/или R...
Москва, Дмитровская
Опыт от 1 года до 3 лет
Прими участие в собеседовании с командой.
Хорошо знает математику и владеет основами статистики. Использует в своей работе язык программирования Python или R (желательно). Не боится большой...
Работодатель сейчас онлайн
Опыт от 3 до 6 лет
Откликнитесь среди первых
Мы ищем Data Scientist для построения AI моделей (в т.ч. дообучение больших языковых моделей (LLM)). Ваша роль будет состоять...
Формирование знаний о клиенте из текстов транзакций и диалогов с виртуальным ассистентом. Встраивание новых знаний в бизнес процессы Банка, в...
Опыт от 3 до 6 лет
Можно из дома
Обработка данных, построение витрин данных, построение дашбордов и отчетов. Взаимодействие с бизнес-аналитиками, погружение в бизнес-суть анализируемых процессов, обсуждение...
Опыт работы аналитиком данных от 1 года. Опыт написания запросов PostgreSQL (Greenplum), оптимизации запросов, работы с миллиардами записей.
Работодатель сейчас онлайн
Москва, Кутузовская и еще 1
Опыт от 1 года до 3 лет
Разбираться в структуре моделей в различных задачах (NLP c использованием LLM, RecSys, DL классификация на транзакционных данных), тестировать корректность моделей...
Знание моделей, основанных на архитектуре Transformer (BERT, GPT и др.). Знание и опыт prompt-engineering, fine-tuning(LoRA, RAG).
Опыт от 3 до 6 лет
Модели склонности и поддержки продаж (управление коммуникациями по продажам, выявление склонных к покупке продуктов банка клиентов). Продуктовый кошелек клиента.
Уверенный использование технологического стека: python, LightGBM/XGBoost/CatBoost, sklearn, pandas, numpy + sql + git. Знание Spark, Hadoop, Hive.