Актуальные вакансии

Друзья, данная рубрика создана для поиска вакансий. Если вы ищите специалиста в таких областях как ML и Data Science, то можете кидать в предложку вашу вакансию, а мы ее обязательно опубликуем =)

Если же вы ищите работу, то смело переходите по ссылкам или пишите уже ожидающим вас рекрутерам=)

В связи с наплывом в ЯП учеников по программе возмещения 50% стоимости обучения государством, это горящая в течение месяца вакансия с не ограниченным пока набором.

Ревьюер проверяет проекты учеников и комментирует ноутбук: что хорошо, что надо исправить.

Оформление по СМЗ, оплата сдельная, в среднем 600 руб. + 6% (на налог) за принятый проект. По поводу выходных и отпусков надо будет уведомлять заранее, не брать новые проверки и закрыть уже работающие или договориться с коллегами, кто доделает. Обязательный минимум три проекта в день.

Ревьюер получает полный доступ к курсам по DA и DS, только сертификат ЯП не получит.

Да и строчка в резюме "работал в Яндексе" не лишняя на будущее.

Возможный лифт: ревьюер - старший ревьюер - преподаватель - создатель контента - другие структуры Яндекса. Или регулярная подработка в ЯП.

Если появилось желание, то свое фио и контакты (лучше в ТГ) высылаете Олегу Мазуренко @o_mazurenko (не надо ему задавать лишних вопросов), он их отправит на прямую рекрутеру по этим курсам (такой прямой вход в ЯП). Рекрутер сама с Вами свяжется.

-------------------------------------------------

🥚Компания: МТС Big Data

📍Локация: г. Москва, м.Технопарк

💻Формат: офис/гибрид

🧩Продукт: Feature Factory

💰Вилка от 250k gross

🏭 О проекте

Проект Feature Factory – внутренний проект, готовим модели и фичи не для конкретного бизнес-заказчика, а для продуктов МТС BigData.

Глобальная цель: сделать труднодоступную информацию по абонентам легкодоступной для все продуктов BigData.

🎯 Что предстоит делать

опыт работы с гео-данными будет плюсом, но не обязателен.

🛠 Что ждем от кандидатов

Условия работы приятные: белая зп, премии, новенький macbook, ДМС со стоматологией, есть система ревью и многое другое 🌚

Компания: Международная команда «Ultra Tendency International»

Занятость: полная, гибкий график

Формат: удаленный

З/п вилка: до 350 тр

Команда «Ultra Tendency» меняет и строит с нуля сложные системы Big Data для крупных клиентов Европы (одна из классных задач: пишут библиотеку для Data Scientists).

✔️ Стэк по всем проектам: Scala, Java, Python, Spring, Batch, Spark Streaming, Kafka, HBase, Impala, Hive, Kubernetes, Docker.

✔️ Стэк технологий BigData: Scala(Spark), Java (Spring), (Spring), Kafka, Docker, Kubernetes, HBase.

Для проектов в большинстве случаев мы используем облачные технологии AWS или Azure.

🔹Разработка проектов, которые украсят портфолио с технической стороны (+ есть возможность выбора проекта);

🔹Командная разработка, регулярный code review;

🔹Развиваться с высоким уровнем экспертами, в команде много профессоров PHD (+ команда фанаты Opensource и CIO компании Jan Hentschel - менеджер по выпуску Apache HBase и 11-й по величине коммиттер HBase в мире);

🔹Удаленная работа в интернациональной команде (30 разных национальностей, коммуникация на английском)

🔹Оформление по ТК РФ, белая зарплата, ДМС, безлимитный доступ к Udemy и сертификации AWS, Azure;

🔹Индивидуальный план развития в компании;

🔹Курсы немецкого языка;

🔹Возможность релокации (через год).

Локация: Санкт-Петербург (м. Нарвская, режим – смешанный/офис)

Команда разрабатывает модели ценообразования и CLTV. Модели используются для определения оптимального ценового и продуктового предложения для клиентов – юридических лиц.

Мы ищем Data Scientist’a, желающего находить баланс между клиентом и банком, решая практические задачи в области ценообразования банковских продуктов, а также моделирования LTV клиентов при реализации различных сценариев.

Мы работаем с табличными данными, зачастую – с временными рядами.

— Уверенное владение Python, SQL;

— Уверенное знание основных классических алгоритмов ML (linear models, random forest, gradient boosting)

— Корректное применение метрик оценки моделей;

— Опыт использования библиотек pandas, numpy, sklearn, catboost/lightgbm/xgboost;

— Знание мат. статистики;

— Опыт решения задач ценообразования с помощью ML и uplift моделирования;

— Опыт работы с большими данными (Hadoop, Hive, Spark);

— Опыт работы в PyTorch, применение нейросетевых подходов в задачах с табличными данными;

— Умение работать c ОС Linux, Git.

— Анализ доступных данных на применимость для построения модели для конкретной бизнес-задачи;

— Разработка моделей лучше определенного NoML бенчмарка, приносящих пользу бизнесу;

— Демонстрация бизнес-заказчикам полученных результатов;

— Подготовка моделей для автоматизации;

— Работа с общим git-репозиторием.

Дополнительные условия:

— Расширенный соц. пакет (ДМС, страхование жизни), бесплатный тренажерный зал;

— Скидки от участников и партнеров Экосистемы, льготные условия по ипотеке и кредитам Сбера;

— MacBook Pro;

— Обучение на внутренних и внешних курсах, безлимитный доступ к Coursera.

Отправлять резюме и задать вопросы по вакансии:

vmipetrova@sberbank.ru, Валерия

Вилка ЗП: 200тр-330тр

— Автоматизация процесса обработки больших данных с использованием машинного обучения для решения практических задач компании.

— Разработка моделей как с использованием алгоритмов машинного обучения так и без, их внедрение в бизнес процессы компании, повышение их точности прогнозирования.

— Взаимодействие с заказчиками моделей, дата-инженерами и дата-аналитиками в рамках задачи по разработке и внедрению моделей. Задачи включают разработку модели любой сложности (логистические регрессии, классификации, нейросети, AI и т.д.).

— Формализация требований к сбору обучающей выборки.

— Генерация и проверка гипотез.

— Проведение исследований алгоритмов машинного обучения.

— Дизайн, разработка и тюнинг моделей машинного обучения.

— Построение и оптимизация пайплайнов от признаков до обучения моделей.

— Продуктивизация ML-решений.

— Проведение аналитических исследований и R&D на больших данных с применением ML.

— Нахождение оптимального архитектурного решения для удовлетворения потребностей бизнеса.

— Поддержка работоспособности решений, контроль качества получаемых данных.

— Техническое образование (можно неполное высшее)

— Опыт работы в аналитике/ data science от 1 года

— Знание Теории вероятности, Мат. анализа и линейной алгебры, достаточного для чтения научных статей и проведения экспериментов

— Умение проверять статистические гипотезы, знание основных критериев

— Знание и понимание основных метрик и принципов оценки качества моделей и получаемого с их помощью результата, способов валидации моделей

— Уверенное знание python (+ классический набор библиотек для анализа данных/ машинного обучения: scikit-learn, numpy, pandas, plotly/ matplotlib/ seaborn

— Опыт обучения моделей градиентного бустинга, использования одной из библиотек (Catboost, LightGBM, XGBoost)

— Знание SQL, опыт работы с реляционными СУБД на уровне пользователя

— Умение работать с Git

— Опыт продуктивизации моделей, поддержки ML-решений

— Опыт fullstack / backend разработки на phyton

— Навыки работы с Linux, Bash

— Опыт работы с нереляционными БД

— Опыт работы с docker, kunernetes, jenkins, airflow, kafka, prometeus, grafana kuBernetes

— Опыт использования Pytorch / Tensorflow

— Опыт написания ETL / построения витрин

— Успешное участие в соревнованиях по машинному обучению

— Работу в международной компании с сильной инженерной культурой;

— Денежную компенсацию: оклад, ежемесячный и квартальный бонусы;

— Компенсацию профессионального обучения (курсы, конференции и тд);

— Компенсацию изучения иностранного языка (английский, французский);

— Возможность получить акции ADEO Group;

— Полис ДМС (включая стоматологию), страхование жизни и здоровья;

— Компенсацию питания (столовая, кафе, яндекс.еда);

— Участие в конференциях и во внутренних, и внешних митапах;

— Компенсацию мобильной связи - телефон + SIM-карта;

— Гибридный график либо полная удалёнка.

Стек:

Catboost, LightGBM, TensorFlow, OpenCV, DVC, MLFlow

Вилка ЗП: по итогам собеседования

Какой график? Гибкое начало рабочего дня в промежутке с 8 до 11. Есть возможность работать несколько дней вне офиса по договоренности с командой.

— выгружать и готовить/обрабатывать данные (находить аномалии и инсайты)

— перебирать гиперпараметры ml-моделей, пока кросс-валидация не даст нормальный результат 🙂

— дорабатывать ml-модели из стандартных библиотек

— проверять бизнес гипотезы в offline и готовить дизайн A/B тестов

— доводить модель до прода совместно с разработчиками

— опыт работы от 2 лет в области анализа данных и машинного обучения

— вы знаете, как работают ML-алгоритмы и не будете тратить время на эксперименты с заведомо плохими решениями

— понимаете, когда нужно остановиться и использовать вместо ML более простые и быстрые подходы

— у вас продвинутые знания Python, в т.ч. основных ml-библиотек

— умеете делать препроцессинг данных на SQL или PySpark

— умеете работать с git

— есть базовые навыки работы в Linux/Unix

— знаете минимум один из классических языков C, Java, Scala, C/C++/C# и есть опыт программирования в прошлом

— есть опыт вывода ml-решений в продакшн

— работаем с данными на классическом hadoop-стеке (Spark, Hive)

— разрабатываем на python3: R&D делаем в Jupyter, продуктивизируем в PyCharm

— обучаем модели на отдельных мощных машинах с видеокартами Tesla V100

— используем собственные разработки для скоринга больших данных и MLFlow для экспериментов

— храним код в gitlab, CI/CD в Jenkins, процессы запускаем в Airflow

каждый месяц - аванс и зарплата, дважды в год - премия. ДМС + стоматология, корпоративная связь, специальные предложения от партнеров и друзей МТС, отпуск 31 день в год. Выдаем 16” MacBook Pro или Dell на выбор.

Обучение:

— Локальные и международные конференции, митапы.

— Корпоративный университет МТС и масштабная виртуальная библиотека.

— А ещё мы регулярно обмениваемся опытом на совместных синках с лидами экспертизы

Команда Big Data в поиске Data Scientist для развития экосистемы МТС.

У нас много задач классического ML на табличках (рисковый скоринг, лидогенерация, построение сегментов), рекомендательных систем (как в продуктах, так и в виде SaaS) и других R&D направлений (прогнозирование спроса, анализ выживаемости, модели на графах, геоаналитика и прочее). Развиваем как бизнес, так и технологические продукты (DataOps и MLOps платформы, RecSys\Targeting\AB\Forecasting движки, BigData as a Service).

В команде Data Science сейчас 30 человек (во всей Big Data МТС более 300 человек). Все DS поделены на группы со своими лидами - есть группа рекомендательных систем, скоринга и другие. Каждую неделю мы обмениваемся опытом на совместных синках.

DS работают в продуктах со своей автономной командой, в которой есть все роли: аналитики, DE, DS, разработчики, девопсы, менеджеры продукта.