Вступить в клуб →
← К вакансиям
UZUM TECHNOLOGIES. IT85/100

Middle+ ML-инженер в Pricing

Опубликовано: 23 октября 2026
middleremoteML / Data SciencefulltimeМоскваrupythonsqlpandaspolarsnumpyscikit-learncatboostlightgbmpytorchclickhouseairflowdocker
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
РСХБ-ИнтехМосква, Россияhybridfulltimemiddle78

Data Scientist

Разработка ML-моделей (lookalike/response/uplift/recsys) для персонализации коммуникаций, категорий кешбэка и рекламных материалов в цифровых каналах банка. Полный цикл от уточнения требований до продакшна и мониторинга, дизайн A/B-тестов, а также разработка AI-агентов и мультиагентной генерации контента.

pythonsqlscikit-learnpandasnumpylightgbm+6
20 октября 2026
Азиатско-Тихоокеанский БанкМоскваonsitefulltimemiddle72

Data Scientist

Разработка и внедрение ML-моделей для прогнозирования поведения розничных клиентов и продуктового портфеля банка, расчёт ожидаемых денежных потоков по кредитным и пассивным продуктам. Требуется опыт работы в банковской сфере и внедрения моделей от сырых данных до production, свободное владение Python и SQL. Офисный формат в центре Москвы.

pythonsqlpandasnumpycatboostlightgbm+6
16 октября 2026
Асланян Роза АлександровнаМоскваremotefulltimejunior62

ML Researcher / Quant Researcher

Исследовательская работа над ML-моделями для прогнозирования финансовых временных рядов и поиска торговых сигналов: формулировка и проверка гипотез, backtesting, walk-forward validation, контроль data leakage и переобучения. Требуется сильная математическая база, Python-стек (numpy, pandas, scikit-learn, CatBoost/LightGBM), приветствуется опыт quant research/HFT. Полная удалённая занятость, оплата в USDT, вилка не указана.

backtestingcatboostdockerlightgbmmachine learningml+7
8 октября 2026
Честный знак.рфСанкт-Петербург, Россияhybridfulltimesenior72

Data Scientist

Разработка и вывод в прод ML-моделей для системы цифровой маркировки: прогнозирование, классификация, детектирование аномалий и временные ряды на классическом ML-стеке. Включает построение пайплайнов обработки данных, feature engineering и валидацию моделей.

pythonpandasnumpyscikit-learnxgboostlightgbm+6
7 октября 2026