Стажёр Data Scientist по классическому ML

Что за роль

Команда управления благосостоянием Сбербанка ищет стажёра Data Scientist для разработки и внедрения моделей машинного обучения. Модели используются для рекомендаций инвестиционных, страховых и сберегательных продуктов клиентам B2C и B2B. Среди задач направления — рекомендательные системы для СберБанк Онлайн и СберИнвестиций, а также классификация, регрессия, кластеризация и продвинутые методы классического ML.

Что предстоит делать

• Исследовать данные, находить информативные признаки и подключать новые источники к командному пайплайну.
• Строить ML-модели на табличных данных и последовательностях событий, включая клики и транзакции.
• Применять алгоритмы классификации, регрессии и ранжирования для задач направления.
• Участвовать в разработке рекомендательных систем и моделей для клиентских продуктов.
• Реализовывать прикладные модули внутреннего фреймворка, повышая производительность работы Data Science и качество промышленного кода.
• Изучать и применять подходы к uplift-моделированию, работе с несбалансированными классами и feature engineering на больших данных.

Что потребуется

• Знание алгоритмов классического ML: линейных и метрических моделей, градиентного бустинга.
• Понимание применения моделей в задачах регрессии, классификации и ранжирования.
• Уверенное владение SQL и хорошее знание Python.
• Опыт работы с CatBoost, pandas, NumPy и scikit-learn.
• Будут полезны опыт построения uplift-моделей, решение бизнес-задач и понимание PySpark.

Что важно знать

Стажировка сочетает прикладное моделирование с разработкой инструментов для промышленного ML. В задачах встречаются данные разного типа, крупная клиентская база и модели для финансовых продуктов. В описании также указаны ДМС с первого дня, льготные условия кредитования и ипотеки, подписка СберПрайм+, скидки у компаний-партнёров и корпоративная пенсионная программа; офисный формат работы и гибридный формат обозначены в объявлении.