TO
Top- Human ( Топ-Хьюман)
Middle Data Scientist
Компенсация1 500 000–2 000 000 KZT
СИГНАЛ JOBRADAR80/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ
Что JobRadar наблюдает сейчас
Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.
Последнее подтверждение4 мин. назад
Впервые замечена1 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
Описание вакансии
в НАО "ФСМС" требуется Middle Data Scientist
Обязанности
- Разработка, обучение, валидация, оптимизация и оценка классических моделей машинного обучения для решения бизнес-задач, включая классификацию, регрессию, прогнозирование, оценку рисков, сегментацию клиентов и выявление подозрительной активности.
- Анализ структурированных данных из хранилищ данных, внутренних информационных систем и других источников. Проведение исследовательского анализа данных (EDA) для выявления закономерностей, тенденций и аномалий.
- Подготовка наборов данных: очистка, предварительная обработка, создание и отбор признаков.
- Проведение экспериментов, настройка гиперпараметров, сравнение алгоритмов и оценка моделей с использованием соответствующих метрик.
- Взаимодействие с инженерами данных (Data Engineers) и инженерами по MLOps при внедрении моделей в промышленную эксплуатацию и обеспечении их дальнейшей работы.
- Мониторинг качества моделей, выявление изменений в распределении данных (data drift) и снижения эффективности моделей, участие в их повторном обучении.
- Документирование экспериментов, результатов работы моделей и аналитических выводов.
Требования
- наличие высшего образования
- гражданство Республики Казхстан
- Опыт работы от 1 до 3 лет на позиции Data Scientist или ML Engineer. Уверенное владение Python и SQL.
- Практический опыт работы с классическими алгоритмами машинного обучения, включая классификацию, регрессию и предиктивную аналитику. Знание Logistic Regression, Decision Trees, Random Forest, Gradient Boosting, XGBoost, LightGBM и CatBoost.
- Понимание методов выявления аномалий, включая Isolation Forest, Local Outlier Factor (LOF) и статистические подходы.
- Уверенное владение библиотеками Pandas, NumPy, Scikit-learn и инструментами визуализации данных. Опыт создания признаков, предварительной обработки данных и работы с несбалансированными наборами данных.
- Знание теории вероятностей, математической статистики и проверки…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.
ИсточникHeadHunter / IT / KZ