Перейти к содержимому
search
work Вакансия на FreelanceSpace опубликовано 12.12.2025

Data Scientist

apartmentРСХБ scheduleПолная занятость publicГибрид badge2–4 года
send Откликнуться

Публичная страница вакансии: прозрачные условия, быстрый отклик, понятный следующий шаг. Для работодателя — качественный воронко-трафик, для исполнителя — ясные требования без “воды”.

description

Описание вакансии

#vacancy #DataScience #Вакансия #гибрид

Вакансия: Data Scientist
Компания: РСХБ
Продукт: Рекомендательная платформа
Грейд: Middle/Middle+
Зарплата: 300-350 т.р. gross обсуждается
Оформление: трудовой договор
Локация/гражданство: г. Москва/РФ,РБ

Мы ищем Data Scientist, который поможет нам создавать инновационные решения в области персонализации и повысить ценность взаимодействия клиентов с продуктом.

Задачи:
Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации PUSH/PULL коммуникаций с клиентами, категорий кешбэка, рекламных материалов.
Визуализировать и интерпретировать результаты моделирования, дизайнить A/B тесты и проводить пилоты.
Участвовать в прохождении полного цикла разработки ML-модели: от уточнения требований от бизнеса до вывода модели в продакшн и мониторинга её качества (поможем развить недостающие навыки).
Разрабатывать AI агентов.

Ожидаем:
Опыт работы в Data Science (построение моделей) от 3-х лет.
Опыт в одной из областей:
Построение моделей склонности и uplift-моделей.
Разработка рекомендательных систем (Recsys).
Разработка NBA / NBO оптимизаторов (Next Best Action / Next Best Offer).
Разработка ИИ-сервисов (real-time, near real-time или batch-обработка).
Владение хорошим математическим аппаратом (мат. статистика, теория вероятностей).
Продвинутые знания Python и SQL (оконные функции и подзапросы).
Опыт работы с Scikit-learn, Numpy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git.

Будет плюсом:
Опыт работы с PySpark, Hive, Hadoop, Docker, Kubernetes.
Опыт работы в банковской сфере и направлении CVM

Предлагаем:
Быстрый цикл тестирования гипотез
Доступ к обширным данным о поведении клиентов
Возможность измерять бизнес-эффект от внедрений
Участие на всех этапах жизненного цикла модели
Профессиональное развитие в области machine learning и рекомендательных систем.
Гибридный формат работы, Москва-Сити

Отправляйте своё резюме
tips_and_updates
Как откликнуться эффективно
  • arrow_right1–2 релевантных кейса (ссылки/скриншоты)
  • arrow_rightСроки и формат работы (когда на связи)
  • arrow_right2–3 уточняющих вопроса по задаче
handshake
Рекомендации работодателю
  • arrow_rightОпишите результат и критерии приёмки
  • arrow_rightУкажите бюджет/вилку — это повышает качество откликов
  • arrow_rightСразу обозначьте сроки и доступность по коммуникациям