Data Scientist (команда перспективных алгоритмов машинного обучения)

Дата размещения вакансии: 16.09.2024
Работодатель: Банк ВТБ (ПАО)
Уровень зарплаты:
з/п не указана
Город:
Москва
Требуемый опыт работы:
От 1 года до 3 лет

В команду по разработке перспективных алгоритмов машинного обучения ищем DS на направления "Инвестиции" и "Оптимизация".

Инвестиции: разработка инвестиционных стратегий с помощью методов машинного обучения, аллокационных моделей, моделей долгосрочного финансового планирования, портфельная оптимизация, ребалансировка портфелей, предсказание показателей, связанных с доходностью и риском активов.

Оптимизация: разработка нейронного оптимизатора для смешано-целочисленных линейных и квадратичных задач, моделирование эвристик с помощью методов машинного обучения, разработка промышленного оптимизатора

В команду NLP ищем Data Scientist’a на проект «Аналитика финансовых новостей».

Команда NLP в банке ВТБ занимается разработкой продвинутых алгоритмов машинного обучения для текстовой аналитики. Мы разрабатываем модели для всех заинтересованных бизнес-подразделений. Диапазон решаемых задач довольно широкий: от простой классификации документов до machine reading comprehension.

Обязанности:

  • разрабатывать модели машинного обучения;
  • разработка моделей машинного обучения и AutoML – систем;
  • разработка и развитие оптимизационной части системы;
  • поддержка и развитие кодовой базы проекта;
  • задачи по работе с текстом, табличными данными, видеоаналитикой, графами связанности.

Требования:

  • высшее математическое или техническое образование;
  • основы линейной алгебры, методов оптимизации, теории вероятностей и математической статистики;
  • основы машинного обучения и методов анализа данных;
  • уверенное владение стандартным стеком python-библиотек (sklearn, pandas, numpy, scipy, matplotlib, LightGBM и т.д.);
  • знакомство с PyTorch;
  • опыт работы в проектах по машинному обучению;
  • знание SQL;
  • будут плюсом хорошие знания финансовой математики (ценообразование активов, модели процентных ставок, портфельная оптимизация, риски и т.д.).