Employer, Russia
Team lead Data Scientist
Молодая амбициозная команда блока «Технологии» Сбера ищет Team lead Data Scientist. Мы разрабатываем и внедряем AI инициативы, нацеленные на повышение эффективности и улучшении бизнес-процессов Банка: от снижения операционных расходов и затрат до анализа цифровых следов, характеризующих поведенческие паттерны. Спектр задач максимально широкий: от классификаций и построения предиктивных моделей до создания чат-ботов. Успешный кандидат получит возможность использовать весь передовой опыт в AI, комбинировать известные решения и предлагать новые подходы. Планы амбициозные, идей и задач масса, никакого микроменеджмента, полная самостоятельность и ответственность за результат ##. Большое профессиональное сообщество - отдельный плюс. Возможность сформировать Dream Team.
Основные задачи:
• Формирование предложений по решению бизнес-задач аналитическими способами/ методами
• Анализ и утверждение с бизнес-заказчиками постановки бизнес-задачи и формализованного описания моделируемого бизнес-процесса.
• Разработка и/или утверждение предложенной Data Scientist архитектуры модели
• Анализ и утверждение предложенных Data Scientist методов моделирования для решения бизнес-задачи
• Подготовка и участие в проведении демонстрации полученных результатов моделирования бизнес-заказчикам
• Консультирование на этапе реализации и внедрения моделей,
• Внедрение в промышленную эксплуатацию
• Руководство командой, постановка задач, контроль сроков и результатов
Основные требования:
• Образование - Высшее (математика, информационные технологии)
• Умение писать чистый, читаемый код на Python;
• Знание статистики, математического анализа, теории вероятностей, линейной алгебры, глубокое понимание ML алгоритмов (линейная регрессия, бустинг и т.д.)
• Опыт использования ML-библиотек и алгоритмов на Python (xgboost/lightgbm/catboost, sklearn, …), понимание особенностей и границ применимости
• Опыт внедрения ML-решений в бизнес-процессы и доведение их до прома, последующий мониторинг
• Хорошее понимание методов машинного обучения с точки зрения математики и умение адаптировать их под конкретные задачи
• Опыт построения DL pipeline с использованием фреймворков TF/Pytorch/Keras;
• Опыт работы с NLP инструментами NLTK, Pymorphy и пр
• Знание SQL
• Опыт использования Git, Jira, Confluence;
• Понимание и опыт АB-тестирования
• Плюсом будет опыт работы с Docker
• Плюсом будет знание Hadoop/Spark
• Участие в соревнованиях по ML (Kaggle)