Назад
22 часа назад

Стажёр Data Scientist (Uplift & Causal Inference)

80 000
Формат работы
onsite/hybrid
Тип работы
fulltime
Грейд
trainee
Страна
Russia
hhВакансия с HeadHunter. Контакт ведёт на hh.ru

Мэтч & Сопровод

Покажет вашу совместимость и напишет письмо

Описание вакансии

Текст:
/
TL;DR
Стажёр Data Scientist (Uplift & Causal Inference) (Python, causal inference, uplift-моделирование): Подготовка данных, обучение ML-моделей и анализ причинно-следственных эффектов для клиентских коммуникаций с акцентом на uplift-моделирование, A/B-тесты и корректную интерпретацию результатов. Фокус на расчёте размера выборки, воспроизведении методов из научных статей, сравнении моделей и разработке кода для внутренней uplift-платформы.

Локация: Москва, работа на месте работодателя; доступен выбор между офисом и гибридом

Зарплата: до 80 000 ₽ в месяц до вычета налогов

Компания

Команда Causal AI в финансовом блоке Сбера развивает решения для uplift-моделирования, causal inference и сценарного анализа клиентских коммуникаций и оценки эффектов.

Что делать

  • Собирать и готовить данные, участвовать в создании витрин, проводить EDA и feature engineering.
  • Проверять качество и полноту данных, обучать и валидировать ML-модели.
  • Помогать в дизайне и анализе A/B-тестов, включая расчёт размера выборки, проверку сплита и разбор результатов.
  • Воспроизводить методы из научных статей и открытых библиотек, сравнивать их с внутренними бейзлайнами.
  • Разрабатывать переиспользуемый код, тесты и документацию для внутренней uplift-платформы.
  • Поддерживать текущую аналитику, исправлять ошибки в моделях и обрабатывать ad hoc-запросы.

Требования

  • Неоконченное высшее техническое образование, последние курсы университета.
  • Прочный фундамент в теории вероятностей и статистике, понимание p-value, доверительных интервалов и основных распределений.
  • Уверенное владение Python и основными библиотеками анализа данных: pandas, numpy, scikit-learn.
  • Понимание линейных и древовидных алгоритмов классического ML.
  • Умение формулировать проверяемые гипотезы из расплывчатых бизнес-вопросов.
  • Готовность разбираться в чужом коде и оптимизировать собственные решения.

Хорошо, если есть

  • Знание uplift-моделей, включая T-learner, X-learner, DR-learner, IPW и PSM.
  • Опыт работы с DoWhy, EconML, causal-learn или Hypex, а также понимание causal discovery и DAG.
  • Опыт запуска или анализа A/B-тестов и работы с большими данными через Spark или Hadoop.
  • Опыт разработки LLM-агентов, решения задач маркетинга, ценообразования или банковской аналитики.
  • Участие в ML-соревнованиях.

Культура и преимущества

  • Срочный трудовой договор на 3 месяца.
  • Современный офис рядом с метро Ленинский проспект, корпоративный спортзал и зоны отдыха.
  • Более 400 образовательных программ СберУниверситета, программа адаптации и помощь руководителя на старте.
  • Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
  • Льготный ипотечный дисконт, подписка Прайм и вознаграждение за рекомендации.

Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →