Разбор вакансии
Junior/Middle Data Scientist (Classic ML / LLM) — Сбер. Data Science
Разбор вакансии: Junior/Middle Data Scientist (Classic ML / LLM)
Кратко
Вакансия открыта в компании Сбер на позицию Junior/Middle Data Scientist, специализирующейся на классическом машинном обучении и больших языковых моделях (LLM). Работа предполагает участие в разработке и внедрении моделей для решения различных задач, связанных с анализом данных и предсказательной аналитикой.
Стек
- Языки программирования: Python, R
- Библиотеки и фреймворки: Scikit-learn, TensorFlow, PyTorch, Pandas, NumPy
- Инструменты для работы с данными: SQL, Jupyter Notebooks
- Облачные технологии: AWS, Google Cloud (предположительно, уточнить в ходе собеседования)
- Методы и подходы: Классическое машинное обучение, работа с LLM, обработка и анализ данных
Кому подойдёт
- Соискателям с базовыми знаниями в области Data Science и машинного обучения.
- Тем, кто имеет опыт работы с Python и основными библиотеками для анализа данных.
- Студентам и выпускникам профильных специальностей, стремящимся развиваться в области AI/ML.
- Специалистам, желающим получить опыт работы в крупной компании с возможностью карьерного роста.
Зарплатные ожидания
В описании вакансии не указаны предполагаемые зарплатные ожидания. Рекомендуется уточнить этот момент на собеседовании, а также ознакомиться с рыночными ставками для Junior/Middle Data Scientist в Москве. На текущий момент средняя зарплата для таких позиций колеблется от 80,000 до 150,000 рублей в месяц в зависимости от уровня опыта и навыков.
Риски
- Отсутствие указания на уровень зарплаты может свидетельствовать о неопределенности в компании по этому вопросу.
- Возможные высокие требования к знаниям и навыкам, которые могут не соответствовать уровню Junior/Middle.
- Конкуренция среди соискателей на аналогичные позиции в крупных компаниях может быть высокой.
- Неполная информация о проекте и команде, что может затруднить оценку перспектив работы.
Рекомендуется подготовиться к собеседованию, изучив актуальные тренды в области машинного обучения и практические примеры реализации проектов.