- Страна
- Россия
- Зарплата
- 300 000 ₽ – 350 000 ₽
Откликайтесь
на вакансии с ИИ
Data Scientist (AutoML)
Оценка ИИПривлекательная вакансия в аккредитованной IT-компании с работой на крупный банковский проект. Предлагается конкурентная зарплата, расширенный соцпакет (ДМС, техника, помощь с ипотекой) и возможность удаленной работы.
Сложность вакансии
Оценка ИИПозиция требует глубокой экспертизы именно в классическом ML и табличных данных, а также владения инструментами Big Data (Spark, Hadoop). Высокая планка ожиданий по опыту (3-5 лет) и необходимость работы с AutoML-алгоритмами делают отбор достаточно строгим.
Анализ зарплаты
Оценка ИИПредложенная вилка 300 000 – 350 000 руб. на руки соответствует рыночному уровню для Middle+/Senior DS в финансовом секторе РФ. Верхняя граница в 350к является стандартом для опытных специалистов с навыками Big Data.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Centicore уже сейчас
Присоединяйтесь к команде Centicore и развивайте AutoML-платформу для крупнейшего банка страны!
Описание вакансии
#DataScientist #ML #AutoML #Python #SeniorDS
Компания Centicore 💙 находится в поиске Data Scientist на проект одного из крупнейших банков РФ.
Уровень: Middle+/Senior
Локация: Гибрид (приоритет) / Удалённо (время МСК или +-1 час)
Вилка: от 300к до 350к рублей на руки в зависимости от грейда.
Обязанности:
❤️ Улучшать стабильность и качество текущих AutoML алгоритмов, оптимизировать код;
❤️ Разрабатывать новые сценарии платформы для аналитиков (поиск аномалий, очистка данных, кластеризация, анализ дрейфа данных/концепта);
❤️ Улучшать отчетность и артефакты по полученной модели (отчёт по модели с интерпретацией LLM, графики, таблицы);
❤️ Обновлять документацию и технические инструкции по сценариям платформы;
❤️ Взаимодействовать по внедрению новых сценариев и фич платформы с MLOps командой;
❤️ Проводить анализ потребностей аналитиков, формализовать их в сценарии;
❤️ Поддерживать пользователей (аналитиков);
❤️ Отвечать за релизный цикл библиотеки;
❤️ Проводить ревью PR от других DS.
Требования:
❤️ Опыт в Data Science от 3 до 5 лет (важна насмотренность к кейсам и разным моделям, опыт промышленной разработки);
❤️ Уверенное владение ML- и DL-стеком Python: PyTorch, LightGBM / XGBoost / CatBoost, Scikit-Learn, Pandas, NumPy;
❤️ Умение работать с инструментами: Spark, Hadoop, Hive, MLflow, Airflow / Argo Workflows.
Будет большим плюсом:
❤️ Контрибьют в ML-библиотеки;
❤️ Опыт full-stack разработки.
ВАЖНО (КЛЮЧЕВОЕ ОТЛИЧИЕ):
Нам нужен эксперт в табличных данных и классическом ML (градиентный бустинг, логистическая регрессия, кластеризация).
❌ Не подходят кандидаты с чистой карьерой в CV / NLP / LLM без серьёзного бэкграунда в таблицах.
Что мы предлагаем:
❤️ Работа в аккредитованной IT компании, имеющей собственные продукты, а не просто КА;
❤️ Формат работы: удалённый по РФ (или гибрид — на выбор);
❤️ Предоставляем расширенный ДМС (со стоматологией);
❤️ Выдаём необходимую для работы технику (ноутбук);
❤️ Возможность воспользоваться реферальной программой: «Приведи товарища»;
❤️ Участие в Бонусной программе;
❤️ Помогаем с ипотекой и другими пособиями;
❤️ Предоставляем возможность построить карьеру в рамках ведущих компаний России.
❗️ ДЛЯ ВОПРОСОВ И РЕЗЮМЕ — ПРОСЬБА ОБРАЩАТЬСЯ В ЛС Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NumPy
- Pandas
- PyTorch
- MLOps
- Scikit-learn
- Airflow
- Hadoop
- Spark
- XGBoost
- MLflow
- LightGBM
- Hive
- CatBoost
- Argo Workflows
- AutoML
Возможные вопросы на собеседовании
Вакансия делает упор на табличные данные и AutoML. Важно понимать, как кандидат борется с переобучением в автоматизированных системах.
Как вы подходите к проблеме дрейфа данных (data drift) в автоматизированных ML-системах и какие метрики используете для его мониторинга?
Упоминается использование CatBoost/LightGBM. Нужно проверить понимание внутренних механизмов этих библиотек.
В чем ключевые различия в обработке категориальных признаков между CatBoost и LightGBM?
В стеке указан Spark. Важно оценить навыки работы с распределенными данными.
Опишите ваш опыт оптимизации Spark-джобов при обработке больших объемов табличных данных для обучения моделей.
Обязанности включают интерпретацию моделей с помощью LLM.
Как бы вы реализовали систему автоматической интерпретации результатов классической модели (например, Feature Importance) с использованием LLM для бизнес-аналитиков?
Роль подразумевает ответственность за релизный цикл библиотеки.
Расскажите о вашем опыте организации CI/CD процессов для ML-библиотек и обеспечения обратной совместимости при обновлении алгоритмов.
Похожие вакансии
ML разработчик (Senior)
Senior / Middle+ Data Scientist
MlOps / Python Backend Engineer (ML)
Data Scientist Senior
Senior Data Scientist
Senior/Middle Data Engineer
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!