Научный сотрудник
Вакансия "Научный сотрудник"
Полная занятость, полный рабочий день
Обязанности
Участие в выполнении исследовательских и прикладных предметных проектов;
Применение и разработка, а также программная реализация математических моделей и методов машинного обучения для решения исследовательских и прикладных предметных задач финансовой сферы;
Сбор, агрегация и подготовка исходных данных для обучения моделей, интерпретация и визуализация результатов;
Подготовка отчетной документации по проектам и заявок на гранты;
Участие в публикационной и диссеминационной активности, включая поездки на международные конференции;
Участие в подготовке кадров высшей квалификации (работа с магистрантами).
Премии и бонусы
Дружный коллектив профессионалов;
Работа в историческом центре Санкт-Петербурга;
Корпоративный английский язык;
Ежегодный оплачиваемый отпуск 42 дня в году;
ДМС по корпоративным тарифам;
Возможность регулярного повышения квалификации;
Участие в спортивных мероприятиях (велопрогулки, забеги и пр. );
Возможность отдыха и проведения мероприятий для сотрудников на загородной базе отдыха «Ягодное» и многое другое.
Общие требования
Степень кандидата технических или физико-математических наук (или степень PhD) в области математического моделирования или в смежных областях;
Наличие научных публикаций в изданиях перечня Web of Science/Scopus (наличие англоязычных публикаций в журналах уровня Q1 по метрике SJR будет являться преимуществом);
Знание теоретических основ и опыт практического применения статистических моделей и методов машинного обучения, методов моделирования сложных систем, вычислительных методов и технологий;
Опыт разработки и анализа сложности алгоритмов, обработки данных, валидации моделей, интерпретации и визуализации результатов;
Опыт разработки технических заданий, подготовки отчетной документации по проекту и заявок на гранты;
Опыт разработки прикладного ПО и/или решения исследовательских задач на Python/R/Matlab/С++ или других языках программирования;
Практический опыт в одной из следующих областей: классификация/кластеризация данных, анализ сложных сетей, анализ временных рядов, анализ слабоструктурированных данных;
Опыт использования одного или более фреймворков машинного обучения (например, scikit-learn, tensorflow);
Системный подход к решению задач, ответственность, коммуникабельность;
Высокий уровень самоорганизации, умение работать в режиме многозадачности.
Требования к образованию
Опыт работы
Похожие вакансии
ФГБУ "НИИЦ ЖДВ" МИНОБОРОНЫ РОССИИ
ФГБУ "48 ЦНИИ" МИНОБОРОНЫ РОССИИ
ФГБУ "48 ЦНИИ" МИНОБОРОНЫ РОССИИ