Что нужно: умение писать чистый и надёжный код; уверенный ML/DL-стек Python; опыт работы со Spark, Hadoop, Hive; MLflow; Airflow, Argo; 2+ лет в Data Science.

Что нужно: промышленный опыт разработки и продакшн-внедрения моделей, включая LLM-подходы; уверенный Python и качественный код; понимание классического ML; опыт применения LLM; знание ML-стека Python.

Что нужно: опыт в классическом ML и построении моделей чувствительности, склонности; уверенный ML-стек Python; промышленный опыт разработки моделей на табличных данных; уверенный SQL; навыки работы со Spark, Hadoop, Hive.

Что нужно: опыт внедрения AI- и риск-моделей с доказанным экономическим эффектом; понимание логики риск-моделирования; навык формирования бизнес и технических требований; опыт взаимодействия с ДПА, рисками, финансами; понимание современных AI-решений на рынке.

Что нужно: 3–4+ года управления AI-проектами в банке/финтехе/консалтинге; подтверждённый опыт внедрения AI-решений end-to-end с финансовым эффектом; сильный бэкграунд в цифровых каналах и процессинге; умение вести крупные кросс-функциональные проекты.

Что нужно: опыт работы в передовых AI-компаниях; успешный опыт внедрения крупных AI-проектов; глубокое понимание AI-домена и LLM; сильные навыки коммуникации.

Что нужно: 2+ года опыта в ML, NLP; уверенное владение Python, PyTorch, transformers; опыт работы с GPT, BERT-подобными архитектурами; успешный опыт вывода NLP-моделей в прод и их оптимизации; знание Hadoop, Spark.