Data Scientist
250 000₽
Москва, гибрид

Чем предстоит заниматься:
— Разрабатывать и улучшать скоринговые и рисковые ML-модели (classic ML/GBDT/GLM).
— Вести полный DS-цикл: выгрузка данных из DWH → подготовка/EDA → обучение и валидация → релиз модели → контроль качества в проде → переобучение/обновление.
— Строить и поддерживать пайплайны обучения, мониторинга и версионирования моделей.
— Настраивать оценку качества: метрики, кросс-валидация, стабильность, дрейф данных/признаков.
— Готовить понятные артефакты: документация, презентация результатов для бизнеса, рекомендации по внедрению.
— Участвовать в развитии практик моделирования: шаблоны, репозитории, best practices, code review.
‍
Что мы ждем от кандидата:
— Уверенный Python (структурирование кода, читаемость, воспроизводимость);
— Практический опыт построения ML-моделей (classic ML) и их валидации;
— Хорошее понимание математики/статистики на прикладном уровне;
— Уверенный SQL: выборки/агрегации/quality checks, базовые стат. метрики по данным;
— Опыт доведения модели до продакшена (упаковка, версии, контроль качества/стабильности).
‍
Технологический стек:
— Python: pandas, numpy, scipy, scikit-learn
— ML/GBDT/GLM: CatBoost / LightGBM / XGBoost / GLM
— Модельный процесс: Git, Docker (желательно)
— Оркестрация/прод: Airflow (или аналоги), FastAPI (или аналог для инференса) — желательно
— DWH/БД: PostgreSQL, понимание витрин/витринной логики
— Интерпретация: SHAP, permutation importance, PDP/ICE
‍
Будет плюсом:
— Опыт в страховании/финансах/скоринге/риск-моделировании;
— Практика мониторинга моделей (дрейф, алерты, стабильность признаков);
— Опыт feature engineering из логов/поведенческих данных, работа с категориальными признаками на больших объёмах;
— Опыт работы с LLM инструментами, построение AI Агентов


Понравилась вакансия?
🧡 — да
🌚 — нет


———

💙 Удалёнка
💚 Джунам
💜 За рубежом
🫶 Удалёнка джунам
💚 Качнуть карьеру