Всего найдено 28 вакансий
Нижний Новгород
3+ лет в роли Data Scientist / ML Engineer. Уверенное владение Python, pandas, scikit-learn, CatBoost/LightGBM. Опыт построения ETL...
Сбор, очистка и агрегирование данных из разных источников. Настройка ETL-пайплайнов (Airflow/dbt, Python). Формирование обучающих выборок по изделиям, материалам...
Москва
Опыт работы в Data Science от 3-х лет. Уверенные теоретические знания ML/DL. Знание основных алгоритмов и структур данных.
Заниматься дообучением рекомендательной нейросети под конкретный сценарий (на разных страницах у рекомендаций разные функции: на главной нужны новые релевантные пользователю...
Москва
Проекты с реальным impact — ваша работа будет напрямую влиять на алгоритм ранжирования и, как следствие, на ключевые метрики бизнеса и...
Разработка системы агрегации статистики по "реальным" товарам — создаем интеллектуальные алгоритмы для сбора и анализа данных, которые становятся ключевыми фичами в...
Москва
Отличное знание Python, умение быстро писать чистый код. Наличие фундаментальной математической базы, знание алгоритмов, математической статистики и классического ML.
Мы ищем человека, который поможет команде с исследованием различных гипотез, проведением экспериментов, обучением генеративных и классических ML моделей для различных...
Санкт-Петербург
Владение Python, уверенное знание стандартной библиотеки. Опыт работы с NumPy, Pandas, Scikit-learn. Опыт в одном из фреймворков: TensorFlow или...
Разрабатывать и обучать модели машинного обучения и глубокого обучения (ML/DL). Строить ML-пайплайны: сбор, обработка, валидация и деплой моделей.
Москва
Наличие законченного высшего образования по специальности "Прикладная математика". Аналогичный опыт работы от 3-х лет. Знание Python, Git, AirFlow, MlFlow.
Координация работы внутренних и внешних ресурсов (проектных, функциональных, суппорт-команд), задействованных в решении задач по анализу данных. Формирование и формализация...
Москва
Хорошее знание Python и основных библиотек для работы с данными и ML-моделями (pytorch, pandas, numpy, sklearn). Уверенное знания SQL.
Анализировать трафик, выявлять в нём закономерности, заниматься ресерчем новых методологий детекции ботов и проверкой гипотез. Строить/переобучать модели машинного обучения...
Москва
Отличное знание Python 3 и стандартных DS библиотек (numpy, pandas, sklearn, etc.). Знание хотя бы одного диалекта SQL (PostgreSQL, Clickhouse...
Находить нужную информмацию в мастер-системах, общаясь с владельцами этих систем. Поддерживать стабильность работы сервисов нашей команды. Оптимизировать работу сервисов.
Москва
Опыт работы в кредитном скоринге от 2 лет. Умение работать с данными (анализ, очистка, подготовка, отбор и создание признаков), навыки...
Разрабатывать и поддерживать ML-модели для кредитования физических лиц. Развивать и поддерживать внутренний фреймворк для разработки моделей. Генерировать и применять...
Владивосток
Аналогичный опыт работы от 3-х лет. Знание основных подходов и практик проектированию реляционных баз данных (DDS слой на Data...
Разработка пайплайнов загрузки данных (оркестратор Airflow). Подключение новых источников в конвеер загрузки (динамическое формирование DAG). Моделирование и реализация DDS слоя...
Москва
Хорошее знание Python. Отличное знание основных алгоритмов и структур данных. Понимание принципов классического ML и Deep Learning. Знание основных архитектур...
Участвовать в проработке/обучении и выкатке в прод моделей рекомендаций с упором на нейросетевые архитектуры. Интегрировать разработанные решения с runtime...
Москва
Отличное знание Python, PySpark, PyTorch. Уверенное понимание алгоритмов рекомендаций, классического ML и DL. Опыт в построении рекомендательных систем в продакшене...
Внедрять новые подходы в рамках всего жизненного цикла ML-моделей: от написания прототипа до деплоя в продакшн. Запускать АВ-тесты...
Новосибирск
Экспертное знание SQL. Уверенное знание и опыт работы с PostgreSQL. Знание Python. Понимание способов моделирования систем класса DWH и компонентов...
Управление командой разработки в продуктах систем класса DWH. Распределение людей по продуктам, ответственность за результат команды. Формирование архитектурных решений.