- Страна
- Россия
Стажёр Data Scientist (ML / Personalization)
Оценка ИИОтличная возможность для старта карьеры: работа в крупном тех-подразделении (X5 Tech), реальные бизнес-задачи, удаленный формат и работа с современным стеком (PySpark, MLflow).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИДля стажировки требования достаточно серьезные: нужно не только знать Python и ML, но и разбираться в матстате и A/B-тестах. Однако отсутствие требования к коммерческому опыту делает позицию доступной для сильных студентов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата для стажеров в DS в РФ обычно варьируется от 40 000 до 80 000 рублей в зависимости от количества рабочих часов. X5 Tech обычно предлагает конкурентные условия для рынка Москвы и крупных тех-хабов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*🖥 Нужен Стажёр Data Scientist (ML / Personalization)*
*📌 О компании*
*✔️* X5 Tech — технологическое подразделение X5
*✔️* Стажировка в команде персонализации и CVM
*✔️* Основной фокус — применение Machine Learning для анализа покупательского поведения и решения реальных бизнес-задач
*📌 Задачи*
*✔️* Исследовать большие объёмы данных о покупательском поведении и находить закономерности
*✔️* Разрабатывать и улучшать ML-модели для прогнозирования оттока и отклика пользователей
*✔️* Решать задачи Uplift Modeling и выбора оптимального воздействия на пользователя
*✔️* Подбирать персональные товары, категории, скидки, пороги и механики промо
*✔️* Генерировать и проверять гипотезы
*✔️* Участвовать в подготовке и анализе A/B-тестов
*✔️* Оценивать модели по ML-метрикам и их влиянию на бизнес-показатели
*✔️* Развивать внутренние ML-инструменты и фреймворки команды
*✔️* Участвовать в подготовке моделей к Production и их дальнейшем развитии
*📌 Требования*
*✔️* Старшие курсы бакалавриата, магистратура или недавнее окончание технической специальности
*✔️* Хорошее знание Python и умение писать понятный структурированный код
*✔️* Знание основ Machine Learning и классических ML-алгоритмов
*✔️* Умение работать с данными и знание SQL
*✔️* Понимание математической статистики и теории вероятностей
*✔️* Знание принципов проверки статистических гипотез
*✔️* Понимание A/B-тестирования и оценки результатов экспериментов
*✔️* Умение самостоятельно разбираться в новых задачах и проверять гипотезы на данных
*✔️* Интерес к применению ML для решения бизнес-задач
*📌 Будет плюсом*
*✔️* Знание PySpark и принципов распределённой обработки данных
*✔️* Опыт работы с PyTorch или другими Deep Learning библиотеками
*✔️* Знакомство с Uplift Modeling, рекомендательными системами или персонализацией
*✔️* Опыт ML-проектов, соревнований, исследовательских или учебных проектов
*✔️* Знакомство с Airflow, Docker, Kubernetes, Grafana и MLflow
*✔️* Понимание жизненного цикла ML-моделей и процесса вывода моделей в Production
*📌 Условия*
*✔️* Стажировка / полная занятость
*✔️* Полностью удалённая работа
*✔️* График 5/2
*✉️ Контакты*
Telegram: Откликнуться
Email: Откликнуться
#вакансия #стажировка #intern #datascientist #datascience #machinelearning #ml #python #sql #pytorch #pyspark #удаленка
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Machine Learning
- SQL
- Statistics
- A/B Testing
- PySpark
- PyTorch
- Uplift Modeling
- Airflow
- Docker
- Kubernetes
- Grafana
- MLflow
Возможные вопросы на собеседовании
Проверка базовых знаний алгоритмов, необходимых для задач оттока и отклика.
Расскажите, в чем разница между L1 и L2 регуляризацией и в каких случаях стоит использовать каждую из них?
Вакансия предполагает работу с Uplift Modeling, что является специфической областью ML.
Что такое Uplift-моделирование и чем оно отличается от классической модели предсказания вероятности покупки?
Важная часть работы — оценка влияния моделей на бизнес через эксперименты.
Как вы будете рассчитывать необходимый размер выборки для проведения A/B-теста, чтобы результаты были статистически значимыми?
Работа с большими данными в X5 часто требует SQL.
Напишите SQL-запрос, который находит топ-3 категории товаров по объему продаж для каждого пользователя за последний месяц.
Проверка понимания метрик качества моделей.
В каких случаях метрика Precision важнее, чем Recall, при прогнозировании оттока клиентов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
