Data Scientist (Управление моделирования партнерств и ИТ-процессов)

Дата размещения вакансии: 23.03.2026
Работодатель: Банк ВТБ (ПАО)
Уровень зарплаты:
з/п не указана
Город:
Москва
Пресненская набережная 10с1
Требуемый опыт работы:
От 1 года до 3 лет

Обязанности:

  • проводить анализ данных и выявлять закономерности, которые могут быть полезны для бизнеса;
  • выявление закономерностей, аномалий в технологических процессах, построение моделей для прогнозирования и оптимизации нагрузки на ресурсы;
  • интерпретация полученных результатов, интеграция разработанных решений в производственную среду;
  • готовить отчёты с результатами анализа и рекомендациями для принятия решений, презентовать их заказчику;
  • активно участвовать в проектной деятельности стрима.

Требования:

  • высшее физико-математическое / техническое / экономическое образование;
  • основы линейной алгебры, методов оптимизации, теории вероятностей и математической статистики;
  • уверенное владение языком программирования Python (включая библиотеки: pandas, numpy, scipy, matplotlib, seaborn, scikit‑learn);
  • опыт построения и настройки моделей для работы с временными рядами (ARIMA, SARIMA, модели на основе LSTM и т. п.);
  • понимание и опыт применения методов выявления аномалий (Isolation Forest, автоэнкодеры, статистические методы и пр);
  • опыт работы с библиотеками для работы с графами: NetworkX, PyTorch Geometric или аналогичными;
  • понимание алгоритмов на графах: поиск кратчайших путей, алгоритмы кластеризации графов, алгоритмы выделения сообществ;
  • базовые знания методов оптимизации, машинного обучения, deep learning;
  • опыт предобработки и очистки данных (работа с пропусками, выбросами, нормализация, кодирование категориальных признаков, векторизация текстов);
  • навыки feature engineering для задач прогнозирования и детектирования аномалий;
  • опыт работы с большими объёмами данных (понимание принципов масштабирования вычислений).

Будет большим преимуществом:

  • опыт работы с фреймворками глубокого обучения (PyTorch, TensorFlow / Keras) для решения задач временных рядов и аномалий;
  • знакомство с методами reinforcement learning для задач оптимизации.