Стажер Data scientist (Управление рисками корпоративных клиентов)

компания "сбербанк" мы — амбициозная и дружная команда, ежедневно исследующая данные корпоративных клиентов сбербанка. наши модели – двигатель не имеющих аналогов в россии продуктов в сфере управления рисками корпоративных клиентов. сводная статистика о нас: мы решаем задачи по 8 основным направлениям (от монументального пвр до всеобъемлющих графов и молодого и амбициозного esg); 95% наших моделей разрабатываются с применением облачных технологий; мы придерживаемся единого стандарта работы, используем jira/confluence/bitbucket, у нас есть единый бэклог; 25% нашей команды имеют западное образование и опыт работы в странах европы; мы сотрудничаем с передовыми вузами в 3-ёх городах россии; просрочка по кредитному продукту на основе наших моделей стремится к 0. в команде с заказчиками мы: погружаемся в предметную область; прорабатываем постановку задачи; ищем и исследуем данные; выбираем оптимальные методы моделирования; разрабатываем и верифицируем модели; готовим отчеты о разработке и презентуем результаты; мониторим модели; наслаждаемся результатом. в рамках работы над задачей мы будем: разрабатывать и улучшать инструменты для машинного обучения (внутренние наработки, библиотеки); использовать прогнозное моделирование, чтобы оптимизировать бизнес риск метрики; работать в команде с портфельными менеджерами, чтобы понять нужды бизнеса и предложить возможные решения; разрабатывать модели машинного обучения; разрабатывать архитектуру пилотов для тестирования гипотез; прокачивать коллег и развиваться самим. качественные факторы кандидатов с высоким feature important: в процессе образование в области компьютерных наук, статистики, прикладной математики или другой релевантной области (минимум первый курс); понимание статистических подходов и методов (регрессия, свойства распределений, оценка максимального правдоподобия, проверка гипотез и их правильное использование) и опыт их применения; знания применения алгоритмов машинного обучения (glm/regression, trees, random forest, boosting), а также знание их преимуществ, недостатков и ограничений; приветствуется знание принципов работы нейронных сетей и опыт использования библиотек для их обучения (keras/pytorch/tensorflow); знание python и основных ds библиотек; отличные знания английского языка (устный и письменный) как преимущество; а ещё у нас есть: развитая it архитектура. мощный gpu кластер, возможность расчётов на суперкомпьютере top30 в мире; работа над передовыми задачами в банковском секторе; постоянное развитие: обучающие курсы от лучших университетов и компаний (мфти, вшэ, nvidia и другие), участие в международных конференциях; большую сильную команду; развитое ds community.