Стажер Data Science (Новосибирск)

Компания "Сбербанк"

Sberseasons - оплачиваемая программа стажировок, также для студентов.

В рамках стажировки ты сможешь:

• работать над интересными задачами, которые влияют на жизни миллионов пользователей Сбера
• выбрать удобный для тебя график и работать от 20 часов в неделю
• погрузиться в сообщество профессионалов и перенять опыт Наставника

Наша команда занимается оценкой и управлением модельного риска. Наши сотрудники участвуют в проектах по улучшению моделей машинного обучения и оптимизации их применения в бизнес-процессах Сбера. Мы создаем инструменты для мониторинга, управления и оценки модельного риска по всем бизнес-направлениям.

Мы:

• ИТ-валидируем абсолютно все модели Сбера, способные значимо повлиять на финансовый результат. ИТ-валидация – проверка того, что модель внедрили правильно, а также проверка качества данных. Модели стекаются к нам со всех уголков необъятного Сбера (розничный и корпоративный бизнес, финансы, экосистема)

• Разрабатываем и автоматизируем методы для валидации моделей различных классов (в свете усложнения моделей Сбера особенно актуально)

• Строим платформу для онлайн-мониторинга и автовалидации моделей.

Обязанности

• анализировать код и проводить идентификацию ИТ-составляющей модельного риска

• проводить проверку качества данных

• автоматизировать процессы ИТ-валидации (создавать ИТ-валидационные тесты на языке Python).

Почему это интересно:

• стажеры решают боевые задачи, поэтому ты сразу начнешь получать реальный опыт работы в DataScience

• ты познакомишься со всем многообразием моделей в экосистеме Сбера

• ты присоединишься к сильной команде из студентов и выпускников НГУ и НГТУ.

Требования

• хорошо знаешь мат. статистику и теорию вероятностей

• разбираешься в Python/SAS/R и основных библиотеках анализа данных

• знаешь основы Data Science

• умеешь писать запросы SQL/Oracle PL.

Условия

• стажировка от 3 до 6 месяцев с дальнейшей возможностью приема в штат

• уютный офис в центре Новосибирска на Димитрова 2

• корпоративное обучение, доступ к обучающим ресурсам, DS-митапы и большое внутреннее DS сообщество.