- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Middle Data Scientist
Оценка ИИИзвестный бренд (Альфа-Банк) и работа с современным стеком технологий (Spark, Airflow). Однако, отсутствие возможности удаленной работы из-за рубежа и специфические требования к оформлению (только ИП) могут быть минусом для части соискателей.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения классическим ML-стеком и инструментами Big Data (Spark, Hadoop), а также навыков дата-инженерии (Airflow, ETL). Ограничение по возрасту и строгие требования к локации (только РФ) сужают круг потенциальных кандидатов.
Анализ зарплаты
Оценка ИИВ объявлении зарплата не указана, но для Middle Data Scientist в банковском секторе РФ рыночный диапазон составляет 250 000 – 350 000 рублей. Учитывая требования к Big Data и ETL, компенсация должна стремиться к верхней границе рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Альфа-Банк уже сейчас
Отправьте свое резюме @veroneko, чтобы присоединиться к команде Альфа-Банка и работать над масштабными ML-проектами!
Описание вакансии
ID 2564
Data Science
Middle
🌍 Локация: РФ (нет удаленки из др стран)
💼Сотрудничество : по ИП РФ
АЛЬФА от 23 до 45 лет
"старт 06.04
локация РФ
привлечение 12 мес"
"
Требования:
• Высшее образование. Специальность: экономика, математика.
• Опыт работы: от одного года.
• Промышленный опыт разработки и внедрения моделей на табличных данных.
• Уверенное знание SQL, PL/SQL.
• Уверенное владение ML-стеком Python: lightgbm/xgboost/catboost, Scikit-Learn, Pandas, NumPy.
• Умение работать с инструментами Spark, Hadoop, Hive.
• Опыт построения и автоматизации ETL-пайплайнов с использованием Apache Airflow: создание DAG-файлов, настройка расписаний, обработка ошибок, мониторинг выполнения задач.
• Понимание принципов построения слоистой архитектуры хранилища данных (ODS, DWH, DM).
• Понимание принципов масштабируемой обработки больших объёмов данных.
• Умение формировать структурированные наборы данных, пригодные для использования в задачах машинного обучения, включая разработку фичей для обучения ML-моделей.
• Крайне важны заинтересованность, проактивность, инициативность, стремление к пониманию бизнес смысла и достижению результата
• Обладание системным, критическим мышлением.
• Желание и умение работать в команде.
🔎 Вопросы/резюме - в ЛС Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- PL/SQL
- Python
- LightGBM
- XGBoost
- CatBoost
- Scikit-learn
- Pandas
- NumPy
- Apache Spark
- Hadoop
- Hive
- Apache Airflow
- ETL
- DWH
- Machine Learning
Возможные вопросы на собеседовании
Проверка практического опыта работы с градиентным бустингом, указанным в стеке.
В каких случаях вы выберете CatBoost вместо LightGBM или XGBoost для работы с табличными данными?
Вакансия предполагает работу с большими данными и Spark.
Как вы оптимизируете Spark-джойны при работе с очень большими таблицами, чтобы избежать проблем с памятью?
Требуется опыт работы с Airflow и ETL.
Расскажите о самом сложном DAG-файле, который вы проектировали: как была реализована обработка ошибок и мониторинг?
Важно понимание архитектуры данных (ODS, DWH, DM).
В чем разница между слоями ODS и DWH, и на каком этапе вы обычно начинаете подготовку фичей для ML-модели?
Проверка бизнес-ориентированности кандидата.
Приведите пример, когда вы изменили подход к моделированию после того, как глубже разобрались в бизнес-смысле задачи.
Похожие вакансии
Data инженер (Middle)
Middle+ Data Engineer
Backend / ML Infrastructure / MLOps инженер
Data Engineer Middle
Data Scientist (Модели оценки качества), Диалоговый ИИ и ML сервисы
Специалист по науке о данных прогнозирования
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!