WorkaemКарьерная платформа
  • Вакансии
  • Компании
  • Зарплаты
  • Офферы
  • Сервисы
  • Блог
  • Работодателям
Workaem

Карьерная платформа для IT-специалистов: вакансии напрямую с карьерных страниц 300+ компаний, из телеграм-каналов, с международных площадок и от работодателей напрямую. Разбор условий, детектор мёртвых вакансий, AI-инструменты для резюме. Базовые функции бесплатны.

Подпишись, присылаем лучшие вакансии недели
Или читай канал в телеграме
Соискателям
Все вакансииЗа границейУдалёнка в долларахКомпании с РУ основателямиЗарплатыОфферыВозможностиСоветыСоздать резюмеТренировка интервью
По технологиям
Вакансии PythonВакансии JavaScriptВакансии ReactВакансии JavaВакансии GoВакансии Docker
По профессиям
РазработкаДизайнQA / ТестированиеАналитикаProduct / Project ManagerМаркетинг
Работодателям
Разместить вакансиюТарифыБаза кандидатовСвязаться с нами
Кабинет
РегистрацияВойтиЛичный кабинетМои откликиСохранённыеУведомления
Компания
О проектеПредложенияКонтактыБлогКонфиденциальностьУсловия использования
© 2026 Workaem. Все права защищены.КонфиденциальностьУсловияОферта
Made by IT, for IT 💛
Стажёр Data Scientist (uplift & causal inference)
ВердиктОписаниеИнструментыКомпанияПохожие
  1. Главная
  2. /
  3. Вакансии
  4. /
  5. Стажёр Data Scientist (uplift & causal inference)

СБЕР·Москва·1 дн назад

Стажёр Data Scientist (uplift & causal inference)

до 80 000 ₽
≈ до 923 $
🏢 ОфисБез опытаПолная занятость
до 80 000 ₽≈ до 923 $
54
Есть о чём спросить
Навык востребован (Python), за такой навык на рынке платят больше. Но верх вилки на 69% ниже медианы грейда.
Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Мы команда Causal AI в блоке «Финансы» ПАО Сбербанк — развиваем решения в области uplift-моделирования, causal inference и сценарного анализа для задач клиентских коммуникаций и оценки эффектов. Нам интересны не только прикладные модели, но и корректная причинно-следственная интерпретация результатов: какие факторы действительно влияют на целевые переменные, как это экспериментально проверить и впоследствии использовать в принятии решений. Сейчас мы ищем стажёра на задачи causal inference — оценка эффектов, поиск причинно-следственных связей и uplift-моделирование.

Чем предстоит заниматься

Собирать и готовить данные, участвовать в сборке витрин
Проводить EDA и feature engineering, проверять качество и полноту данных
Обучать и валидировать ML-модели
Помогать в дизайне и анализе A/B-тестов: расчёт размера выборки, проверка корректности сплита, разбор результатов
Воспроизводить методы из статей и открытых библиотек, проводить сравнения с внутренними бейзлайнами на наших данных
Писать переиспользуемый код, тесты и документацию для нашей внутренней uplift-платформы
Поддерживать текущую аналитику: багфиксы моделей и ad hoc запросы от команды и заказчиков

Наши требования

Неоконченное высшее образование (находишься на последних курсах университета) по техническому направлению
Имеешь прочный математический фундамент, особенно в теории вероятностей и статистике (понимаешь смысл p-value и доверительного интервала, знаешь характеристики основных распределений)
Умеешь и любишь писать код на python, стараешься его оптимизировать, не боишься разбираться в чужом коде
Владеешь основными библиотеками для анализа данных (базовый минимум - pandas, numpy, sklearn)
Понимаешь, как устроены основные алгоритмы классического ML (линейные и древовидные модели)
Умеешь превратить расплывчатый вопрос в проверяемую гипотезу (например: у этой группы клиентов метрика выше – это эффект коммуникации или они и без неё были активнее?)
Читал про uplift-модели (T-learner, X-learner, DR-learner, IPW, PSM) и пробовал их хотя бы на учебных данных
Имеешь опыт с DoWhy, EconML, causal-learn, Hypex
Знаешь, что такое causal discovery и DAG — понимаешь, почему конфаундер смещает оценку эффекта
Запускал или анализировал A/B-тесты
Работал с большими данными (Spark, Hadoop)
Разрабатывал LLM-агентов
Имеешь опыт решения задач маркетинга, ценообразования или банковской аналитики
Участвовал в соревнованиях по ML
Python (scikit-learn, CatBoost, causal-learn, DoWhy, EconML, Hypex), Hadoop (PySpark, Hive, HDFS)

Мы предлагаем

Комфортный современный офис рядом с м. Ленинский проспект
Возможность выбрать удобный график – офис/гибрид
Срочный трудовой договор на 3 месяца
Корпоративный спортзал и зоны отдыха
Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
Программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
Подписка Прайм с возможностью совместного использования на трёх близких
Вознаграждение за рекомендацию друзей в команду Сбера

Технологии и навыки

Python
ML
AI
Hadoop
Spark
СБЕР
СБЕР
Москва

ГрейдБез опыта
ЗанятостьПолная занятость
РегионРоссия
ФорматОфис
ИсточникСкрыто
Опубликовано1 дн назад
Все вакансии компании

AI-помощник

под эту вакансию
Войди, чтобы AI оценил твоё соответствие вакансии и написал сопроводительное письмо

Похожие вакансии

Senior DL (VLM, GigaChat Vision)СБЕРSecurity EngineerFreedom Holding OperationsMiddle/Senior Deep Learning Engineer (Graph Neural Networks & Anti-Fraud)СБЕРРазработчик AI агентовПАО Сбербанк
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).