Стажер Data Scientist

15 марта 2024 • г Санкт-Петербург • ПАО "Сбербанк" • IT: Data Science и Data Engineering

Наша команда занимается управлением модельным риском: независимой оценкой качества моделей и контролем уровня модельного риска — убытков, обусловленных неточностью модели.

Наша команда изучает и тестирует самые разнообразные подходы к моделированию: от построения прогнозов для временных рядов до определения тональности новостей в торговых терминалах, от fbProphet до симуляционных Монте-Карло моделей, основанных на стохастических дифференциальных уравнениях. Мы разрабатываем решения для автоматизированных проверок алгоритмов и внедрения моделей в бизнес-процессы. И конечно же мы участвуем в развитии GigaChat!

Фокусами нашей деятельности являются повышение эффективности влияющих на P&L Банка моделей и проработка инструментов, помогающих оценить работу моделей в различных сценариях будущего.

Обязанности

Что будешь делать ты:

  • исследовать подходы к моделированию и валидации различных классов моделей;
  • автоматизировать валидационные тесты, совершенствовать мониторинг качества моделей;
  • разрабатывать пайплайны для проверки качества данных;
  • разбираться в структуре моделей, тестировать их корректность, челленджить подход разработчика;
  • оценивать влияние моделей на процессы;
  • совершенствовать методы оценки модельного риска и предиктивной аналитики.

Стек: Python, Machine Learning, Deep Learning, time series

Требования

Что мы ожидаем от кандидата:

  • ты должен находиться в процессе обучения в ВУЗе на очной основе
  • глубокое понимание теории ML, мат. статистики и теории вероятностей;
  • хороший уровень владения основными библиотеками Python для машинного обучения и анализа данных;
  • опыт написания классов и легко масштабируемых функций;
  • хорошее понимание временных рядов, DL, финансов и управления рисками будет преимуществом
Условия
  • Оплачиваемую стажировку от 3 до 6 месяцев с дальнейшей возможностью приема в штат
  • Уютный офис в Санкт-Петербурге, ст.м.Нарвская (доступны режимы работы: офис, смешанный, дистанционный)
  • Корпоративное обучение, доступ к обучающим ресурсам
  • Интересные, сложные, амбициозные задачи
  • Профессиональный рост в молодой и сильной команде