Вступить в клуб →
← К вакансиям
Сбер. Data Science78/100

Стажер Classic Data Scientist

Опубликовано: 27 октября 2026
internonsiteML / Data SciencefulltimeМоскваrupythonsqlcatboostpandasnumpysklearnmlградиентный бустингuplift-моделированиеpysparkfeature engineeringклассификация
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
HeadHunter::Analytics/Data ScienceМоскваhybridfulltimelead76

Team Lead TrustML

Руководство командой TrustML из двух DS/ML специалистов: разработка и эксплуатация ML-моделей для обнаружения фрода, модерации и проверки достоверности контента на платформе hh.ru. Вывод моделей в продакшн, формирование и приоритизация ML-целей направления, взаимодействие с заказчиками. Возможны удалённый или офисный формат, гибкий график, ДМС и обучение за счёт компании.

pythonmachine learningpytorchsklearncatboostpandas+6
28 октября 2026
ANCORМоскваhybridfulltimemiddle78

Data Scientist (Рекомендательные системы)

Разработка и вывод в production моделей рекомендательных систем для CVM, персональных предложений в мобильном приложении и рекомендаций в карточке товара и корзине. Работа с данными, feature engineering, проведение A/B тестов, валидация и мониторинг качества моделей. Гибридный формат в Москве, оформление в ИТ-аккредитованную компанию.

a/b-тестированиеa/b тестыairflowcatboostci/cdgitlab+9
27 октября 2026
Сбер. ITМоскваonsitefulltimejunior72

Исследователь данных

Команда ИИ-сервиса для управления комплаенсом ищет исследователя данных, который будет собирать выборки для обучения и валидации моделей, проводить стресс-тесты LLM-агентов, считать метрики и мониторить работу моделей в проде. Требуются знания теории вероятностей и статистики, Python (numpy, pandas, scipy, sklearn), PySpark, SQL и опыт разработки агентов на LangChain/LangGraph.

pythonsqlpysparknumpypandasscipy+6
26 октября 2026
Операционное совершенствоМоскваremotefulltimesenior80

Senior ML Engineer

Разработка ИИ-системы автоматизации оперативного управления для горнодобывающей отрасли: вероятностные прогнозы времени прибытия, длительности обслуживания и очередей на основе телеметрии. Вывод моделей в продакшн, мониторинг дрейфа и оценка эффекта автономных решений через A/B и switchback-эксперименты.

pythonlightgbmcatboostxgboostpandaspolars+6
26 октября 2026