Эта вакансия в архивеПосмотреть похожие вакансии ↓
Альфа-Банк·Москва·21 июля
Data Scientist (платформа ограничений Antifraud)
Ориентир по рынку≈ 235 000 – 350 000 ₽наша приблизительная оценка по 11 вакансиям этой роли и грейда, у работодателя вилка не указана
≈ 2,8 тыс.–4,2 тыс. $
🏢 ОфисMiddleПолная занятость
Стоит ли откликаться
Вакансия закрыта
Откликаться поздно: вакансию сняли. Сколько она висела и что в ней менялось, видно в разборе.
1 из 4 в норме
Деньги
Вместо вилки в объявлении «доход: размер заработной платы обсуждается». Ориентир на созвон: столько платят в 11 похожих вакансиях Data Scientist уровня Middle.
- Кроме оклада: премия. Размер не назван, а от него зависит доход за год.
Живость
Висит 92 дня. Источник её не снимает, но так долго открытые позиции бывают трудными для найма или набором в резерв.
- Зарплата не указана
- Появилась у нас 21 июля 2026 г., 92 дня назад
- Эту вакансию выложили заново: Открыть новую публикацию
Точной даты публикации у нас нет, появления этой вакансии мы не застали, поэтому мёртвой она здесь не объявляется. За вакансиями с hh.ru следим каждую ночь: выдачу и архив, а полный текст карточки сверяем по очереди, каждую раз в несколько дней. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Текст ещё не разложен на обязанности и требования.
- Обещают
- ДМС со стоматологией, гибкий график и коворкинг
- Известно
- высокие нагрузки
Что требуют
ОбязательноPythonSQLSparkMLA/B Testing
Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.
Описание вакансии
Обязанности
Погружаться в бизнес‑контекст платформы ограничений, изучать доступные данные и существующую инфраструктуру — высоконагруженные сервисы, обрабатывающие миллионы транзакций в день.
Анализировать текущие бизнес‑процессы, выявлять их уязвимые места и точки роста.
Пробовать различные подходы машинного обучения: классификацию, кластеризацию, uplift‑модели, ранжирующие модели и нейросетевые решения (частично или полностью).
Сравнивать результаты экспериментальных моделей с текущим решением, оценивая их преимущества и недостатки.
Валидировать модели с помощью офлайн‑метрик (AUC, PR‑кривые, NDCG, uplift‑метрики и др.), убеждаться в статистически значимом приросте точности.
Подготавливать аналитическую статью или отчёт, в котором будет подробно сравниваться каждый метод и обосновываться выбор оптимального решения.
Запускать в продакшн лучшее из протестированных решений, обеспечивая его интеграцию в существующую систему управления ограничениями.
Требования
Опыт: от 3х лет опыта в DS. Опыт вывода моделей в прод.
Стек: Уверенный Python, продвинутый SQL, PySpark как плюс.
Классический ML: Большой опыт в решении задач классического ML. Бустинги, регрессия, ранжирование, классификация.
Математика и аналитика: Статистика, A/B тесты, знание основ оптимизации и того как работают используемые методы.
Soft skills: Умение презентовать результат сложных решений понятным бизнесу языком, проактивность в поиске точек роста и генерации новых идей.
Образование: топ-10 вуз по техническому направлению как плюс.
Условия
Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
Гибкий график работы: вы сможете планировать время так, как удобно вам и вашей команде
Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи
Сложные и интересные задачи, современный стек технологий
Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
Доступ к бесплатным корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданий
Работа у трижды лучшего работодателя РФ по версии hh.ru, Forbes, РБК
Программа развития AI-грамотности: треки по работе с нейросетями от базового до продвинутого уровня
