Вступить в клуб →
← К вакансиям
Сбер. Data Science72/100

Middle Data Scientist (Classic ML)

Опубликовано: 20 ноября 2026
middleonsiteML / Data SciencefulltimeМоскваrupythonpysparkhadoopscikit-learnpandascatboostlightgbmxgboostградиентный бустингнейронные сетивременные рядыстатистика
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
AstonСанкт-Петербург, Россияhybridfulltimemiddle72

ML Engineer

ML Engineer в аутсорсинговой компании Aston для проекта российского подразделения крупного производителя продуктов питания: разработка и развитие ядра plan-optimizer, моделей прогнозирования спроса, интеграций с OR-Tools/PySCIPOpt и пайплайнов данных. Требуется от 3 лет опыта в ML, навыки работы с временными рядами, классическим ML, градиентным бустингом, backtesting и SQL.

airflowcatboostdeep learninghadoopkuberneteslanggraph+18
3 ноября 2026
USETECHМоскваremotefulltimesenior72

Data Scientist

Разработка и внедрение ML-моделей ценообразования, uplift-моделей и моделей ценовой чувствительности корпоративных клиентов на табличных данных. Работа с большими объёмами данных (Spark, SQL, PySpark) и вывод моделей в промышленную эксплуатацию совместно с Data Engineering и MLOps. Удалёнка по РФ.

catboosthadoophivelightgbmnumpypandas+6
13 октября 2026
Альфа-БанкМоскваhybridfulltimesenior82

Senior data scientist в команду скоринговых моделей юридических лиц

Разработка и поддержка моделей кредитного риска юридических лиц (PD, оценка выручки, лимиты) методами классического ML, создание признаков с использованием Feature Store и онлайн-каскадов, поведенческая аналитика и тестирование моделей на новых источниках данных. Требуется математическое образование, знание статистики и ML, Python и SQL, опыт с Hadoop/Spark.

pythonsqlpandasnumpyscikit-learnxgboost+6
9 ноября 2026
Арнест ЮниРусьСанкт-Петербургhybridfulltimemiddle62

Data Scientist (ML)

Развитие собственной production ML-системы прогнозирования продаж в крупной FMCG-компании: разработка и внедрение моделей временных рядов, EDA, эксперименты с алгоритмами, построение инфраструктуры для трекинга экспериментов и переобучения моделей, интеграция результатов в бизнес-системы.

airflowcatboostci/cddockerlightgbmnumpy+7
2 ноября 2026