Стажёр Data Scientist

Что за роль

Команда Управления благосостояния Сбербанка разрабатывает и внедряет модели машинного обучения для подбора инвестиционных, страховых и сберегательных продуктов клиентам B2C и B2B. Стажёр Data Scientist будет исследовать данные, строить классические ML-модели и развивать инструменты, которыми команда пользуется в промышленной разработке. Среди направлений — рекомендательные системы, классификация, регрессия, кластеризация и uplift-моделирование.

Что предстоит делать

• Исследовать табличные данные и последовательности событий, включая клики и транзакции, чтобы находить закономерности и формировать признаки для моделей.
• Разрабатывать новые информативные признаки и подключать дополнительные источники данных к командному пайплайну.
• Строить и проверять ML-модели для задач классификации, регрессии и ранжирования.
• Работать с рекомендательными алгоритмами и подходами к обработке несбалансированных классов.
• Реализовывать прикладные модули внутреннего фреймворка, повышая производительность Data Science-разработки и качество кода.
• Применять методы feature engineering и классические ML-алгоритмы на больших данных.

Что потребуется

• Знание линейных и метрических моделей, градиентного бустинга и принципов их применения.
• Уверенное владение SQL для выборки и анализа данных.
• Отличное знание Python и библиотек CatBoost, pandas, NumPy и scikit-learn.
• Будет преимуществом опыт построения uplift-моделей и решения практических бизнес-задач.
• Понимание принципов работы PySpark также будет плюсом.

Что важно знать

В работе сочетаются прикладные задачи машинного обучения и развитие внутреннего инструментария: результатом должны быть не только модели, но и воспроизводимый процесс их разработки. Команда работает с продуктами СберБанк Онлайн и СберИнвестиций; опыт PySpark и uplift-моделирования приветствуется, но не обозначен как обязательное требование.