Стажер Classic Data Scientist
Оценка ИИОтличная возможность для старта: сильная команда, работа с реальными SOTA-алгоритмами и отличный соцпакет (ДМС, льготная ипотека). Сбер — один из лучших работодателей для DS в России.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИДля стажировки требования стандартные: нужно хорошо знать теорию ML и владеть Python/SQL. Основная сложность заключается в высоком конкурсе и необходимости быстро освоить работу с большими данными (PySpark).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата для стажеров в Сбере обычно фиксированная и соответствует рыночным ожиданиям для крупных технологических компаний в Москве. Указанный диапазон отражает средние выплаты за 30-40 часовую рабочую неделю для начинающих специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Москва, гибрид
Команда Управления благосостояния ПАО "Сбербанк" ищет стажера на позицию Data Scientist. Мы занимаемся разработкой и внедрением ML моделей на огромной клиентской базе B2C и B2B с целью предложения актуальных инвестиционных, страховых и сберегательных продуктов.
Мы работаем над:
— Рекомендательными системами и моделями классификации, регрессии, кластеризации для СберБанк Онлайн и СберИнвестиций.
— Продвинутыми подходами в классическом ML (uplift-моделирование, работа с несбалансированными классами, feature engineering на больших данных, SOTA-алгоритмы)
Обязанности
— Исследовать данные, разрабатывать новые информативные признаки и добавлять в командный пайплайн новые источники.
— Строить ML модели на основе различных данных: табличные, последовательности событий (кликстрим, транзакции и т.д.)
— Реализовывать прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде.
Требования
— Знание основных алгоритмов классического ML (линейные модели, метрические алгоритмы, градиентный бустинг) и их применения в задачах регрессии, классификации, ранжирования
— Уверенное использование SQL
— Отличное знание Python, в том числе библиотек catboost, pandas, numpy, sklearn
Будет плюсом:
— Опыт построения uplift-моделей
— Опыт решения задач реальных бизнес-задач
— Понимание принципов и деталей работы PySpark
Условия
— Офисный формат работы
— Современный IT-офис вблизи Москва-Сити с фитнес-залом.
— Ипотека с выгодой для сотрудника и льготные условия кредитования.
— Бесплатная подписка СберПрайм+.
— Скидки на продукты компаний-партнеров.
— ДМС с первого дня и льготное страхование для близких.
— Корпоративная пенсионная программа.
Понравились вакансии?
*💚* — да
*🌚* — нет
———
*💙 [Удалёнка](https://t.me/+LyGXnOpjrztmN2Ix) 🫶* Удалёнка джунам
*🫶[Стажировки](https://t.me/+hDTdPzgIbhozMTUy) 💚*Разрабам
*💖[Дизайнерам](https://t.me/+9cosivWJhhE4M2Ri) 🟠*Маркетологам
*🖤 [HR](https://t.me/+jHYEvaAUg_5kNWZi) 💜 [QA](https://t.me/+UxBpbQAyg6M0ZjUy) 🟡* Менеджерам
*🐢* C-Level
*💚 разместить резюме и быстро найти работу* →www.vseti.app/newcv
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Machine Learning
- CatBoost
- Pandas
- NumPy
- Scikit-learn
- PySpark
- Feature Engineering
- Uplift Modeling
Возможные вопросы на собеседовании
Проверка понимания работы ключевого алгоритма, указанного в требованиях.
Расскажите, как работает градиентный бустинг и чем CatBoost отличается от других реализаций?
Важно для работы с банковскими данными, где целевое действие (покупка продукта) происходит редко.
Какие методы работы с несбалансированными классами вы знаете и какие из них применили бы в задаче классификации клиентов?
В вакансии упоминается uplift-моделирование как плюс.
Что такое uplift-моделирование и в каких бизнес-задачах оно эффективнее обычной склонности к покупке?
Проверка навыков манипуляции данными.
Как в SQL найти топ-3 самых крупных транзакций для каждого клиента за последний месяц?
Работа в Сбере подразумевает большие данные и промышленную среду.
Как вы подходите к валидации модели, чтобы избежать переобучения на временных рядах (например, транзакциях)?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
