Вступить в клуб →
← К вакансиям
Reddit88/100

Senior Director, Data Science

26 417–36 983 USD
Опубликовано: 11 ноября 2026
leadremoteML / Data Sciencefulltimeruмашинное обучениеdata scienceпродуктовая стратегияэкспериментыпричинно-следственные выводыранжированиерекомендациипоискa/b тестированиеаналитикаруководство
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на Хабр Карьера — открыть оригинал ↗

Похожие вакансии

Все вакансии →
МАГНИТ, Розничная сеть. ITМоскваhybridfulltimelead74

Руководитель команды ML/Lead ML Engineer

Магнит Финтех ищет Lead ML Engineer, который совмещает разработку и внедрение ML-моделей (uplift, propensity, ранжирование) с менторством 1–2 специалистов и развитием ML-команды. Роль включает работу с бизнес-заказчиками: приоритизацию задач, управление бэклогом и ожиданиями, а также участие в найме и построении процессов в перспективе.

машинное обучениеuplift-моделиpropensity-моделиранжированиеtrinoairflow+6
20 ноября 2026
Сбер. Data ScienceМоскваonsitefulltimemiddle80

Middle/Senior Data Scientist (команда Лояльность)

Разработка классических ML-моделей (табличные данные, графы, NLP, GEO, кликстрим и транзакции) для задач лояльности и клиентского опыта B2C в Сбере. Включает написание production-кода и вывод моделей в прод, развитие внутреннего фреймворка команды и проверку гипотез через A/B-тестирование.

pythonsqlmachine learningdeep learningab-тестированиеpyspark+6
19 ноября 2026
АВИТО ТЕХМоскваhybridfulltimesenior82

Старший DS-инженер в команду Auction Efficiency

Авито ищет старшего DS-инженера в команду Auction Efficiency для развития DL-моделей монетизации: CTR/CR, эмбеддингов и ранжирования в поиске и рекомендациях. Задачи включают исследование SOTA-подходов, настройку архитектур обучения и внедрение решений в продакшен на PyTorch.

pytorchdeep learningmlctrранжированиерекомендации+6
19 ноября 2026
Группа НЛМК ИТ и ДиджиталМоскваhybridfulltimemiddle82

Data scientist

Роль Data Scientist в ИТ и Диджитал Группы НЛМК: поиск и количественная оценка цифровых гипотез в области ТОиР, предиктивная аналитика отказов оборудования, анализ временных рядов и построение ML/LLM-моделей. Также предусмотрены аналитические дэшборды в Grafana и оценка экономического эффекта инициатив.

data scienceмашинное обучениеанализ временных рядовпредиктивная аналитикастатистический анализрегрессионный анализ+6
17 ноября 2026