Middle Data Scientist Офис/Гибрид (Москва)
JuicyScore — проприетарный антифрод-продукт, работающий без использования персональных данных.
Требования
- Образование: высшее в математике / статистике / информатике.
- Опыт: от 3 лет коммерческого опыта в Data Science или аналитике данных, включая опыт самостоятельного анализа данных, проверки гипотез и построения моделей.
- ML-алгоритмы: уверенное знание классических ML-алгоритмов: логистическая регрессия, градиентный бустинг (XGB/LightGBM/CatBoost), Random Forest; понимание, как интерпретировать модели (SHAP, Feature Importance), и где это применимо.
- Работа с отчётами: умение делать клиентоориентированные отчёты: не просто таблицы, а выводы и визуализации, которые понятны не только дата-сайентисту.
- Глубокий анализ данных и расследования: умение строить логику проверки гипотез, находить аномалии, выявлять скрытые закономерности, желание копать в суть.
- Инструменты: уверенное владение Python для анализа данных (pandas, numpy, scikit-learn), SQL.
- Английский язык: уровень B2 (Upper-Intermediate) и выше — для общения с зарубежными клиентами и чтения документации.
- Soft skills: развитое аналитическое мышление, ответственность, умение самостоятельно разбираться в новых задачах и работать автономно, понятно объяснять результаты анализа (в т.ч. на английском).
Подробнее о вакансии на hh.ru
Навигация: База знаний • Задачи • Собеседования
Показать как в источнике
💻 Middle Data Scientist
Офис/Гибрид (Москва)
JuicyScore — проприетарный антифрод-продукт, работающий без использования персональных данных.
Требования:
– Образование: высшее в математике / статистике / информатике.
– Опыт: от 3 лет коммерческого опыта в Data Science или аналитике данных, включая опыт самостоятельного анализа данных, проверки гипотез и построения моделей.
– ML-алгоритмы: уверенное знание классических ML-алгоритмов: логистическая регрессия, градиентный бустинг (XGB/LightGBM/CatBoost), Random Forest; понимание, как интерпретировать модели (SHAP, Feature Importance), и где это применимо.
– Работа с отчётами: умение делать клиентоориентированные отчёты: не просто таблицы, а выводы и визуализации, которые понятны не только дата-сайентисту.
– Глубокий анализ данных и расследования: умение строить логику проверки гипотез, находить аномалии, выявлять скрытые закономерности, желание копать в суть.
– Инструменты: уверенное владение Python для анализа данных (pandas, numpy, scikit-learn), SQL.
– Английский язык: уровень B2 (Upper-Intermediate) и выше — для общения с зарубежными клиентами и чтения документации.
– Soft skills: развитое аналитическое мышление, ответственность, умение самостоятельно разбираться в новых задачах и работать автономно, понятно объяснять результаты анализа (в т.ч. на английском).
➡️ Подробнее о вакансии на hh.ru
📍 Навигация: База знаний • Задачи • Собеседования