Data Scientist (Deep Learning for Demand Forecast)
В архиве с 9 июля 2023
Требуемый опыт работы: 3–6 лет
Полная занятость, полный день
Санкт-Петербург, Фрунзенская, Московский проспект, 94
Вакансия в архиве
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию
Похожие вакансии
Санкт-Петербург
Опыт от 1 года до 3 лет
Можно из дома
Разработка инструментов для продавцов на маркетплейсах на основе больших языковых моделей. Проектирование представлений данных на основе существующих СУБД.
Коммерческий опыт работы в Data Science от 2 лет. Опыт работы со стеком: Python, SQL (на уровне проектирования БД), Sklearn...
Санкт-Петербург
Опыт от 3 до 6 лет
1. Анализ данных, в том числе покупочного поведения и взаимодействия клиентов с рекомендациями. 2. Разработка и внедрение критериев оценки и...
Знания: Python. Теория вероятностей. Статистика. Алгоритмы ML - Опыт работы с большими наборами данных, предпочтительно в области e-commerce.
Работодатель сейчас онлайн
Санкт-Петербург
Опыт от 3 до 6 лет
Работа с большими данными, построение выборок. Сбор, составление требований к продуктам. Моделирование и интерпретация данных. Участие в формировании и проверке...
Опыт работы аналитиком данных или продуктовым аналитиком от 3х лет. Уверенное знание python (стандартная библиотека, pandas, numpy и пр.).
Санкт-Петербург
Опыт от 1 года до 3 лет
Заказчик – крупный российский продуктовый ритейлер, лидер офлайн- и онлайн-рынка продуктов питания. Компания управляет портфелем брендов сетевых магазинов, цифровыми бизнесами...
python на уровне уверенного пользователя (pandas, numpy, другие стандартные питон-библиотеки). - базовые навыки работы с табличными данными, знание SQL. -
Санкт-Петербург, Чернышевская
Опыт от 1 года до 3 лет
Решением ML-задач от идеи до production: изучать материалы, искать и обрабатывать данные, обучать и валидировать модели, автоматизировать расчёты.
Высшее техническое образование. Хорошее знание линейной алгебры, теории вероятности, математической статистики, методов решений дифференциальных уравнений, численных методов, методов оптимизации.
Санкт-Петербург
Опыт от 1 года до 3 лет
Решать задачи, связанные с временными рядами (прогнозирование спроса и поставок, оптимизация складских остатков) от идеи до реализации в продуктовой среде.
Высшее техническое или физико-математическое образование. Знание классического Machine Learning, математической статистики. Опыт использования стека DS на Python: Numpy, Pandas...
Работодатель сейчас онлайн