Data Scientist вакансии1496+110 новых источников

На этой странице агрегируются junior-вакансии и стажировки из различных источников: hh.ru, Habr Career, LinkedIn, Telegram-каналы и многие другие

Стажировки Data ScientistВопросы с собеседованийНеобходимые навыки
стэк>
Источник>

Больше никакого поиска
и откликов — автоматизируй свой путь к работе вместе с Софи!

Попробовать бесплатно
Sophy
Получите доступ
к 1200 вакансиям и стажировкам
Сервис можно использовать бесплатно,
без ограничений. Чтобы получить полный доступ,
вам необходимо зарегистрироваться.
1496+ вакансий и стажировок • 110+ источников • обновляется ежедневно

Data Scientist без опыта: через что заходят в профессию

Data Scientist — роль на стыке статистики и кода: проверка гипотез, построение и валидация моделей, объяснение результатов бизнесу. Junior-рынок здесь конкурентный: открытых позиций «без опыта» немного, и значительная часть найма идёт через стажировки банков и бигтеха.

Технический минимум стабилен: Python (pandas, sklearn), SQL, статистика и теория вероятностей, классический ML — линейные модели, деревья, метрики качества, кросс-валидация. Глубокое обучение на джун-уровне спрашивают обзорно; гораздо важнее уметь честно провалидировать простую модель, чем пересказать архитектуру трансформера.

Портфолио решает: два-три разобранных проекта с реальными данными — соревнование Kaggle с осмысленным местом, анализ открытого датасета с выводами — заменяют коммерческий опыт. К собеседованию готовьтесь по базе реальных вопросов: метрики, переобучение и A/B-тесты встречаются почти в каждом интервью.

Частые вопросы

Чем Data Scientist отличается от аналитика данных?
Аналитик отвечает на вопросы о прошлом и настоящем: метрики, дашборды, SQL-отчёты. Data Scientist строит модели, предсказывающие будущее, и проверяет гипотезы статистикой. Граница размыта, и переход аналитик → DS — самый протоптанный маршрут в профессию: SQL-база общая, добирается ML.
Нужна ли магистратура, чтобы стать Data Scientist?
Нет — отборы строятся на секциях: код, ML-теория, статистика. Профильный диплом помогает пройти скрининг в исследовательские команды, но продуктовый DS нанимает по задачам: кандидат с сильным Kaggle-профилем и уверенной статистикой конкурирует наравне с выпускниками магистратур.
Что учить для первой работы в Data Science?
Порядок: Python с pandas → SQL → статистика и теорвер → классический ML (sklearn: регрессии, деревья, бустинг, метрики, валидация). Затем один-два проекта на реальных данных с выводами. Deep learning — после этой базы, не вместо неё.
Где джуну искать первую DS-позицию?
Самые реалистичные двери — стажировки крупных компаний (наборы волнами весной и осенью) и переходы из смежных ролей: аналитика данных, разметка, поддержка ML-инфраструктуры. Открытые junior-вакансии тоже появляются в этом разделе — список обновляется ежедневно.

Смежные направления