Data Scientist (Senior)

Описание вакансии

🆔 68441

📅 Дата публикации: 14.04.2026 07:10

🥇 Data Scientist (Senior)

📍 Локация/Гражданство: РФ и дружественные страны

🏠 Формат работы: Удаленно

🎓 Грейд: Senior

📆 Срок проекта: 2 года

💰 Ставки:

🇷🇺 Штат (на руки): 202 318 руб./мес (на руки)

🇷🇺 ИП (gross): 2 100 руб./час Справочно: ориентировочная среднемесячная выплата Gross 357 000 руб./мес

🇧🇾 Штат (на руки): 225 087 руб./мес

🇧🇾 ИП/СЗ (gross): 2 016 руб./час Справочно: ориентировочная среднемесячная выплата Gross 342 720 руб./мес

📌 О проекте:

Крупная компания, оказывающая консультационные услуги для крупных промышленных предприятий

💻 Требования:

— Высшее математическое или техническое образование

— Опыт работы в области применения AI/ML для бизнес-задач от 5 лет, включая опыт в роли эксперта или ведущего специалиста

— Опыт применения AI/ML для оптимизации технологических процессов или диагностики оборудования от 1 года

— Глубокие знания в области машинного обучения и предиктивной аналитики, включая методы оценки качества моделей

— Практический опыт анализа временных рядов и работы с промышленными данными

— Навыки проведения разведочного анализа данных (EDA), выявления и решения проблем качества данных

— Уверенное владение стеком Python DS (pandas, numpy, matplotlib, seaborn, plotly, scikit-learn, scipy, statsmodels)

— Опыт формализации задач Data Science: постановка задачи, построение baseline-моделей, формирование гипотез и отчетов

— Понимание предметной области: способность анализировать техническую документацию и выделять ключевые параметры процессов

— Уверенные знания и практический опыт применения классических ML-алгоритмов (регрессии, деревья решений, бустинг, SVM, кластеризация и др.)

— Глубокое понимание и применение методов анализа временных рядов (ARIMA, VAR, Prophet, декомпозиция, тесты стационарности)

— Опыт работы с библиотеками CatBoost, XGBoost, LightGBM

— Понимание и применение методов Deep Learning (MLP, CNN, RNN, LSTM, Attention, регуляризация)

— Навыки feature engineering, в том числе для временных рядов (например, с использованием tsfresh)

— Базовое понимание смежных областей (химические процессы, гидродинамика, теплофизика).

⚠️ Особые условия:

— Новый клиент, договор не заключен

Менеджер: Откликнуться