Что нужно: опыт в валидации, разработке или мониторинге NLP-моделей; уверенное владение Python и SQL; знание Hadoop/Spark/Hive; опыт с BI-инструментами; навыки валидации и мониторинга моделей, формулировки гипотез и анализа данных.

Что нужно: опыт в ML и NLP от 1 года; знание архитектур и работа с GPT/BERT; уверенное владение Python, PyTorch, transformers; умение строить RAG-пайплайны и дообучать LLM; опыт работы с большими данными (Spark, Hadoop).

Что нужно: знание теории
вероятностей, статистики и ML; понимание Python (numpy, pandas, scikit-learn, xgboost/lightgbm/catboost); опыт работы с SQL и Hadoop (Hive, Impala, Spark).

Что нужно: управленческий опыт и руководство DS-командой; глубокие знания в Deep Learning и NLP; работа с архитектурами GPT, BERT и др.; уверенный Python (PyTorch, transformers) с умением писать кастомный код; опыт работы с большими данными (Spark, Hadoop).

Что нужно: знание классического ML; опыт разработки и внедрения моделей на табличных данных, включая uplift-модели; уверенный Python (lightgbm/xgboost/catboost, scikit-learn, pandas, numpy); навыки работы с большими данными (Spark, Hadoop, Hive) и SQL.

Что нужно: опыт от 2 лет в Data Science или геоаналитике; уверенный Python с библиотеками Geopandas, Osmnx; продвинутый SQL (Hadoop, Trino, Postgres) и PostGIS; опыт с GIS-системами и API картографических сервисов; знание теории графов и алгоритмов маршрутизации; опыт визуализации данных.

Что нужно: опыт от 3 лет в ML и разработке; уверенный Python, PySpark, Hadoop, Kafka; опыт работы с Airflow/Argo, Mlflow, Jenkins; внедрение ML-моделей как сервисов; навыки бэкенд- и веб-разработки; работа с LLM и NLP; Docker и Kubernetes.

Что нужно: опыт от 3 лет в аналитике и построении статистических моделей; сильные знания ML, матстата и SQL; уверенный Python (pandas, scikit-learn, xgboost, lightgbm, pyspark); опыт работы с Hadoop (Hive, Impala, Spark) и Git; умение создавать признаки и внедрять модели в продакшн.

Что нужно: опыт от 3 лет в ML и аналитике; уверенный Python (pandas, scikit-learn, xgboost/lightgbm) и продвинутый SQL; хорошие знания алгоритмов; понимание матстата и статистических тестов; опыт работы с дисбалансом и калибровкой.

Что нужно: от 2 лет опыта в DS и выводе моделей в прод; уверенный Python, SQL и PySpark; сильный бэкграунд в Time Series задачах, бустингах, регрессии, классификации и ранжировании; опыт в оптимизационных задачах.

Что нужно: опыт в кибербезопасности (AppSec, DevSecOps, MLsecOps) или готовность быстро погрузиться; внедрение безопасных практик в SDLC/CI/CD; интеграция AI/ML для поиска уязвимостей и выявления аномалий; опыт работы с кросс-функциональными командами и управление бэклогом.

Что нужно: опыт в банковском секторе; работа с данными юр.лиц; опыт оптимизации бизнес-процессов и внедрения ИИ-сервисов с эффектом; понимание ML и бизнес-метрик; управление бэклогом и взаимодействие с кросс-функциональными командами.

Что нужно: опыт в банке, бигтехе или консалтинге; внедрение ИИ-сервисов с бизнес-эффектом; управление бэклогом и приоритизация инициатив; понимание ML и бизнес-метрик; знание рыночных AI-решений; опыт подготовки и защиты презентаций.

Что нужно: успешное внедрение крупных AI-проектов; глубокое понимание LLM; опыт самостоятельной разработки и внедрения моделей приветствуется.

Что нужно: опыт внедрения крупных AI-проектов; глубокое понимание AI, особенно LLM; навыки создания инфраструктуры для аналитики и обработки больших данных; умение формализовать бизнес-требования и контролировать качество решений.

Что нужно: опыт управления AI-проектами от 3–4 лет в банках, финтехе или консалтинге; опыт внедрения AI-решений с измеримым эффектом; экспертиза в банковских и операционных процессах; лидерский опыт управления крупными кросс-функциональными командами.