Summary
Data Science internship in MTS's Big Data unit (Moscow, hybrid, 40h/week): building transformer-based recommendation models for the My MTS app and the EKoM product-recommendation system — generating insights, shipping ML models to production, running A/B tests and optimizing performance at big-data scale with Python, SQL and standard ML libraries.
Big Data — один из ключевых юнитов МТС. Сегодня Big Data — это 20 петабайт данных, 5 000 метрик на профиль и 400 увлечённых профессионалов в команде. Наши технологии применяются практически во всех направлениях компании: маркетинг, обслуживание, планирование сети, HR, розница. Среди наших продуктов — онлайн-кинотеатр КИОН, читалка «Строки», приложение Мой МТС и сервисы по продаже билетов.
Ищем стажёра Data Scientist в команду, занимающуюся трансформерными рекомендациями продуктов МТС. Стажёр будет работать с двумя ключевыми продуктами: приложением Мой МТС и системой товарных рекомендаций EKoM. Команда решает задачи на стыке исследовательской и инженерной работы, где главный вызов — масштаб: огромное количество пользователей, большие потоки данных и высокие требования к производительности моделей.
Создавать модели рекомендаций для продуктов Мой МТС и Магазин МТС;
Искать инсайты в данных и генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик;
Превращать гипотезы в работающие ML-модели и внедрять их в продакшен;
Разрабатывать и улучшать рекомендательные алгоритмы с учётом масштаба данных и пользователей;
Проводить A/B-тестирование для оценки качества моделей на продакшене;
Участвовать в рефакторинге и улучшении таймингов рекомендательных систем;
Работать с большими данными и оптимизировать производительность моделей;
Участвовать в обсуждениях архитектуры и процессов обработки данных в рамках двухнедельных спринтов.
Студенты 1 – 6 курсов бакалавриата, специалитета или магистратуры;
Хорошее знание Python (понимание ООП, классов, функций, написания тестов, базовых алгоритмов и структур данных);
Уверенное знание SQL;
Знание основ машинного обучения и базовых моделей рекомендательных систем;
Понимание принципов работы с библиотеками NumPy, SciPy, Sklearn, CatBoost;
Базовые знания математической статистики и понимание принципов A/B-тестирования;
Понимание принципов работы с Git;
Будет плюсом опыт работы с большими данными (батчевое чтение, обучение моделей на больших датасетах, участие в хакатонах).
График работы 40 часов в неделю;
Гибридный формат работы;
Развитие в командах профессионалов и опытный наставник, готовый делиться опытом;
Мобильная связь за счет компании;
Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети;
Специальные предложения от партнеров и скидки от продуктов экосистемы МТС;
Непрерывное развитие — доступ к курсам и вебинарам корпоративного университета и онлайн-библиотеке.