Высшее/неоконченное высшее образование (машинное обучение, компьютерные науки, статистика, прикладная математика, экономика);
Уверенное владение Python;
Знание основ Computer Science, основных алгоритмов и структур;
Опыт работы c базами данных, уверенное владение SQL;
Владение основными ML-библиотеками для анализа данных и машинного обучения: Pandas/Polars, Numpy, Scipy, Matplotlib, Seaborn, Sklearn, Xgboost/LightGBM/Catboost;
Хорошая математическая база, знание основ линейной алгебры, теории вероятности, математической статистики;
Знание классических алгоритмов в машинном обучении, опыт их применения на практике;
Понимание основных принципов в Deep Learning, опыт использования DL фреймворка (PyTorch/TensorFlow);
Базовые знания Linux и Git;
Опыт работы в финтехе (финансовая, банковская сфера) на аналогичных позициях (как преимущество);
Участие в соревнованиях по машинному обучению (как преимущество);
Опыт работы с Clickhouse, Spark, AirFlow, Docker (как преимущество).

Карьера и вакансии