16 июн. 2020

Сбер

Сбер — это постоянное движение, масштабные задачи и профессиональные команды. За время стажировки ты не просто получишь опыт работы, а примешь участие в решении самых актуальных задач бизнеса и разработке инновационных банковских продуктов. Чтобы твое развитие шло быстрее, мы дадим доступ к Виртуальной школе от Корпоративного университета Сбербанка для прокачки софт- и хард-скиллс.
Секторы:
Сотрудники:
Локации:
Локация:
Санкт-Петербург
Занятость / Тип договора:
Полный день
/
Работа
Опыт:
Более 3-х лет
Зарплата:
₽ на собеседовании
Вакансия в архиве
Аналитика
data science
Python
Spark
SQL

Data Scientist в корпоративно-инвестиционный блок

Буду делать
Мы ищем Data Scientis’а, который готов взять на себя комплексную задачу и качественно довести её до результата. Сотруднику предстоит отвечать за аналитическую часть и прототипирование.
Корпоративно-инвестиционный блок отвечает за работу с юридическими лицами и индивидуальными предпринимателями от микро бизнеса до крупнейшего. Основными продуктами являются банковские услуги (кредиты, РКО, депозиты и тд), а также аналитические услуги и юридическое сопровождение бизнеса.
Инфраструктура:
У нас есть лабораторный кластер, где много возможностей, данных и различного программного обеспечения. В основном это - Spark (2.2 и 1.6), Impala, Python. Также есть возможность работать на локальных машинах с расширенным количеством оперативной памяти и GPU. Активно пользуемся SQL для работы с данными в Teradata DWH и SAS.
Требования к кандидатам:
Опыт в решении задач data science для бизнеса, опыт работы с большими данными, хорошие навыки программирования (Python, Spark, SQL), знание библиотек машинного обучения, умение быстро и эффективно решать задачи.
Ждем от тебя
Опыт в решении задач data science для бизнеса, опыт работы с большими данными, хорошие навыки программирования (Python, Spark, SQL), знание библиотек машинного обучения, умение быстро и эффективно решать задачи.
Постановка бизнес задачи:
Анализ бизнес нужд и постановка задачи на построение модели;
Анализ необходимых и доступных данных
Понимание необходимых машинных мощностей и ПО для решения
2. Моделирование:
Анализ имеющихся данных
Моделирование прототипа:
Чистка данных
Разметка обучающей выборки
Формирование признаков (фичей)
Обучение модели
Оценка качества модели
Согласование модели с бизнес-заказчиком
Интерпретация результатов модели
3. Построение решения:
Описание процесса внедрения и поддержки модели
Написание инструкций по реализации решения
Опыт:
Более года в области Data Science
Реализованные и внедренные решения
Понимание базовых алгоритмов машинного обучения
Знание SQL
Знание и опыт работы со стэком технологий и алгоритмов data science для Python (Pandas, numpy, scipy, ​scikit-learn, XGBoost)
Предлагаем
Уютный офис в 5 минутах ходьбы от метро Нарвская
Льготы на банковские продукты и продукты от партнеров
Ежегодный бонус
Возможность профессионального и карьерного роста
Вакансия в архиве. Посмотрите другие вакансии в ленте.
Перейти в ленту