❗️ Стажёр в департамент по разработке моделей ❗️
·
❗️Стажёр в департамент по разработке моделей❗️
📍Локация: Гибрид (Москва)
🧳 Компания: ••••••••
📊 Грейд: Intern
💵 ЗП: По договоренности
⏱ Занятость: Полная
Требования
• Базовые знания в области машинного обучения и методов математической статистики
• Знание Python и библиотек для машинного обучения (Pandas, Numpy, skLearn и т. п.)
• Понимание архитектур и опыт разработки классических ML-моделей (линейные, деревья, бустинги и т. п.)
• Знание методов обработки данных (подготовки датасетов) и метрик оценки качества
• Базовые знания основ работы с большими данными и опыт их обработки (Spark, Hadoop)
• Умение создавать запросы в БД на SQL для формирования целевой переменной и разработки новых витрин с признаками для ML-моделей
🌐 Отправлять резюме: 👉••••••••
📑 Вакансия Data Scientist / Analyst
Полная занятость · Удалённо
💎 ••••••••, разрабатывающая мобильные приложения (от pet care до lifestyle), ищет Data Scientist/Analyst с сильной аналитической подготовкой для работы с маркетинговыми, продуктовыми, подписочными и финансовыми данными. Роль сочетает анализ данных, статистику и прогнозное моделирование с фокусом на долгосрочные маркетинговые метрики и предсказание LTV: работа с крупными транзакционными и event-level датасетами, разработка и поддержка предиктивных моделей, исследование качества данных и поведенческих паттернов, помощь бизнесу в прогнозировании и понимании ключевых метрик (LTV, revenue, retention, CAC, ROI/ROMI, payback). Задачи: разработка, валидация, улучшение и поддержка ключевых маркетинговых моделей прогнозирования (долгосрочный LTV, выручка, retention); построение и сопровождение надёжных time-based валидаций и backtesting-подходов; работа с неполными и цензурированными данными когорт с учётом их зрелости; исследование транзакционных и event-level данных, проверка семантики данных и выявление проблем качества; мониторинг производительности моделей, диагностика ошибок прогнозирования, постоянное улучшение качества; построение и поддержка датасетов и фичей, поддержка A/B-тестов и статистической интерпретации результатов; вывод моделей из исследований в регулярные production-расчёты и постепенное расширение моделирования на другие области, включая риск-модели. Процесс найма: HR-интервью — интервью — team fit интервью — оффер. Бенефиты: неограниченные выходные вне офиса, компенсации за wellness, психолога, языковые курсы и коворкинг, медицинская страховка, 100% оплата больничных, тимбилдинги и оффсайты (Испания, Италия, Польша, Португалия и другие), мерч и подарки к праздникам.
🧩 Требования: опыт работы Data Scientist или Data Analyst от 2 лет либо подтверждённый опыт реализации сквозного аналитического или предиктивного проекта; сильное знание SQL, включая опыт с Google BigQuery и/или PostgreSQL; уверенный Python для анализа и моделирования с библиотеками pandas, NumPy, SciPy, scikit-learn, statsmodels; глубокое понимание математики, вероятности, статистики, статистического вывода и проверки гипотез; понимание классических статистических и ML-подходов и опыт построения предиктивных моделей; уверенное владение валидацией моделей (time-based валидация, backtesting, data leakage, overfitting, стабильность моделей); понимание цензурированных и неполных данных, зрелости когорт и базовых концепций survival analysis; понимание экономики подписок и ключевых маркетинговых метрик (LTV, CAC, ROI/ROMI, payback, retention, conversion rate); опыт работы с крупными транзакционными и event-level датасетами, исследованием несоответствий и смещений в данных, переводом аналитических результатов в бизнес-выводы. Будет плюсом: опыт с подписочными продуктами, recurring billing и платёжными данными; опыт долгосрочного прогнозирования, survival/hazard моделей и других time-dependent подходов; опыт со Stripe, PayPal или похожими платёжными провайдерами; знакомство с dbt/Dataform, Airflow, Tableau, Amplitude, AppsFlyer, Meta Ads или Google Ads; знание production ML-процессов, мониторинга и ретрейнинга моделей, классических ML-моделей.
🌐 ••••••••
🔮 •••••••• — бесплатно постим IT-вакансии
Big Data – один из ключевых юнитов МТС. Сегодня Big Data – это: 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде. Наши технологии применяются практически во всех направлениях компании - маркетинг, обслуживание, планирование сети, HR, розница. Среди наших клиентов такие сервисы, онлайн-кинотеатр КИОН, читалка «Строки», приложение Мой МТС и сервисы по продаже билетов и тд.
Мы ищем стажера в команду, занимающуюся трансформерными рекомендациями продуктов МТС.
Решать задачи Next Item prediction и MLM на мультидоменных данных;
Создавать модели рекомендаций с использованием современных нейросетевых подходов;
Искать инсайты в данных;
Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов;
Превращать гипотезы в работающие ML модели.
Студенты 3 и 6 курсов бакалавриата, специалитета или магистратуры;
Хорошее знание Python (понимание ООП, классов, функций, написания тестов, базовых алгоритмов и структур данных);
Уверенное знание SQL;
Знание основ машинного обучения и глубокого обучения;
Понимание принципов работы с библиотеками NumPy, SciPy, Sklearn, CatBoost и PyTorch;
Знание хотя бы одной из областей: опыт работы с нейросетевыми моделями, базовые модели рекомендательных систем (ALS, KNN) или NLP-модели (Word2Vec, BERT);
Умение писать код и решать алгоритмические задачи, понимание принципов работы с Git;
Будет плюсом опыт работы с большими данными (батчевое чтение, обучение моделей на больших датасетах), базовые знания A/B-тестирования и участие в хакатонах.
График работы 40 часов в неделю;
Гибридный формат работы;
Развитие в командах профессионалов и опытный наставник, готовый делиться опытом;
Мобильная связь за счет компании;
Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети;
Специальные предложения от партнеров и скидки от продуктов экосистемы МТС;
Непрерывное развитие — доступ к курсам и вебинарам корпоративного университета и онлайн-библиотеке.
Мы ищем аналитика в RnD-команду. Область RnD часто связана с трудными задачами, которые нельзя решить быстро по готовой инструкции или чек-листу. Такие задачи часто требуют креативности и систематизации большого количества новой информации, поэтому результат их выполнения особенно ценен для научного и технического сообщества.
Задачи:
Ожидаем от тебя:
Будет плюсом:
С нами у тебя будет:
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.