Senior Data Scientist (команда оптимизации расходов)

🏢 ОфисMiddleПолная занятостьКорпорация

Зарплата не указана

Есть о чём спросить

Навык востребован (Python), за такой навык на рынке платят больше. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Чем предстоит заниматься

Разрабатывать и внедрять модели для выявления отклонений в работе серверов

Создавать пайплайны для сбора, очистки и подготовки данных из распределённых источников

Исследовать данные, выявляя закономерности и зависимости между внутренними сервисами

Развивать ML-компоненты проекта, тестируя новые алгоритмы и улучшая точность существующих решений

Интегрировать разработанные решения в инфраструктуру мониторинга банка

Наши требования

Уверенно владеешь Python и библиотеками Pandas, NumPy, Scikit-Learn, PyTorch/Tensorflow

Имеешь опыт работы с базами данных и инструментами типа SQL, PostgreSQL, Hadoop, Spark

Понимаешь принципы анализа временных рядов и можешь применять методы математической оптимизации для эффективного использования ресурсов

Знакомство с принципами prompt engineering и опытом работы с крупными языковыми моделями (LLM)

Уверенное использование инструментов HUE для навигации по HDFS и выполнения запросов Impala/Hive

Мы предлагаем

Комфортный современный офис рядом с м. Кутузовская

Офисный формат работы

Ежегодный пересмотр зарплаты, квартальная и годовая премия

Корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

Программа адаптации и помощь руководителя на старте

Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

Подписка Прайм с возможностью совместного использования на трёх близких

Вознаграждение за рекомендацию друзей в команду Сбера

Дополнительно

Запускаем проект по интеллектуальному мониторингу и оптимизации серверной инфраструктуры банка. Основной акцент делаем на поиске аномалий в использовании ресурсов десятков внутренних сервисов. Задача — создать систему, которая не только фиксирует отклонения, но и позволяет выявить их причину. Планируется переход к прогнозированию нагрузок и предиктивному управлению ресурсами. Это масштабный объем данных, сложная структура взаимодействий между сервисами и ощутимый бизнес-результат: предупреждение сбоев и сокращение расходов на избыточное резервирование. Команда создаётся с нуля специально под этот проект. Её цель — четыре специалиста: руководитель группы и три участника с функционалом Data Scientist/Data Engineer. Присоединяясь сейчас, сможешь определить направление технологического стэка, архитектурные подходы и выстроить процессы так, чтобы обеспечить долговременное успешное развитие проекта