Стажёр Deep Learning — Anti-Fraud и модели для борьбы с мошенничеством@ Сбер
О позиции
Сбер ищет стажёра Deep Learning для работы над проектом по борьбе с мошенничеством. Ваша задача будет заключаться в адаптации моделей, таких как SASRec и HSTU, для антифрод-системы. Вы будете работать с реальными данными в режиме реального времени, что позволит вам получить уникальный опыт в области машинного обучения и анализа данных.
Чем вы будете заниматься
- Адаптация моделей SASRec и HSTU для задач антифрода.
- Работа с цепочками транзакций и профилями клиентов для предсказания последней транзакции.
- Использование Python и PyTorch для разработки и тестирования моделей.
- Применение архитектур Transformer и Bert4Rec в ваших проектах.
- Работа с табличными признаками для задач глубокого обучения.
- Изучение стратегий Negative sampling и loss-функций для задач ранжирования и классификации.
Требования
- Уверенное знание Python и опыт работы с PyTorch.
- Знание архитектур: Transformer, YouTubeDNN, SASRec, Bert4Rec, HSTU, ARGUS.
- Опыт работы с табличными данными для глубокого обучения.
- Понимание стратегий Negative sampling и loss-функций.
- Интерес к антифроду и Big Data.
Будет плюсом
- Курс по рекомендательным системам с использованием глубокого обучения.
- Опыт экспериментов с различными трансформерами.
- Интерес к разработке моделей для борьбы с мошенничеством.
Что мы предлагаем
- Оплачиваемая стажировка на срок от 3 до 6 месяцев.
- Заработная плата 81 000 ₽ в месяц.
- Занятость от 20 часов в неделю.
- Работа в офисе СберСити.
- Возможность получить опыт работы в команде профессионалов.
- Участие в разработке инновационных решений в области антифрода.
Вакансия предлагает интересный опыт в области глубокого обучения и борьбы с мошенничеством. Условия стажировки привлекательны, но стоит учесть, что работа в офисе может быть ограничением для некоторых кандидатов.
Кто здесь добьётся успеха
Глубокое понимание Python и библиотек для машинного обучения, таких как PyTorch, что позволяет эффективно адаптировать модели SASRec и HSTU для задач антифрода.
Способность работать в офисе в команде, открыто обсуждая идеи и решения, что способствует быстрой адаптации и получению обратной связи от более опытных коллег.
Желание учиться и развиваться в области глубокого обучения, с акцентом на работу с реальными данными и применение современных архитектур, таких как Transformers.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости FinTech
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев