Team Lead MLE / Data Science (Last Mile & Agents)

500 000 – 750 000 ₽

на 11% выше медианы рынка

≈ 5,8 тыс.–8,7 тыс. $

🏢 ОфисLeadПолная занятость

500 000 – 750 000 ₽≈ 5,8 тыс.–8,7 тыс. $

Навык востребован (Python). Но верх вилки на 26% ниже медианы грейда.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Описание вакансии

О нас и команде

Дивизион «Моделирование и исследование данных» отвечает за компетенцию Data Science в Блоке. Мы разрабатываем и внедряем end-to-end-решения на основе машинного обучения в бизнес-процессы Сети продаж банка.

Мы ищем Team Lead, который возьмет на себя управление небольшим ядром команды (2 человека) для направления внешней дистрибуции банковских карт.

Чем предстоит заниматься

Управление и процессы

Выдвижение гипотез, формирование бэклога и управление командой из 2 DS/ML-инженеров, контроль качества кода и соблюдение сроков релизов.

Выстраивание процессов промышленной разработки и CI/CD внутри команды, внедрение best practices MLOps.

Координация взаимодействия между командой DS, командами внедрения (бэкенд/инфраструктура) и бизнес-заказчиками (продуктовые менеджеры).

Участие в архитектурных митингах, защита технических решений перед руководителем Блока.

Экспертиза и разработка

Полный цикл ведения ML-проектов и AI-агентов для задач Last-Mile (оптимизация точек присутствия, маршрутизация, предиктивная аналитика спроса на карты, оценка довозимости) — от бизнес-постановки до A/B-тестирования и оценки финансового эффекта.

Разработка и доведение до production-эксплуатации AI-агентов (GenAI) и ML-моделей для взаимодействия с клиентами в каналах дистрибуции.

Проектирование и ревью кода ML-моделей и ключевых алгоритмов.

Личное участие в написании наиболее сложных, критически важных компонентов кода (Python) и проведение код-ревью.

Ключевой стек

Classic ML: Модели прогнозирования для внешней дистрибуции, оптимизация логистики, выбора канала вручения карты, оценка довозимости.

AI Agents: Создание агентских систем на базе LLM для автоматизации процессов и улучшения клиентского опыта на этапе доставки и активации.

От кандидата ожидаем

Хард-скиллы

Глубокие компетенции: Python (пром-код), ML, Statistics, LLM/Agents (обязательно), MLOps (Docker, CI/CD, мониторинг), базовое понимание DE (работа с большими данными).

Опыт промышленной разработки на Python от 4-х лет (из которых минимум 1 год в роли Tech Lead или архитектора).

Опыт работы с GPT-like-моделями (инженерия промптов, создание агентов, работа с векторными БД, интеграция API).

Понимание принципов A/B-тестирования и методов оценки uplift/финансового эффекта от внедрения моделей.

Умение писать чистый, масштабируемый и пром-ready код (понимание SOLID, паттернов проектирования).

Софт-скиллы

Развитые коммуникативные навыки для работы с нетехническими заказчиками — умеете переводить бизнес-задачи на язык метрик ML и объяснять результаты модели понятным для бизнеса языком.

Опыт менторства, готовность развивать младших коллег и нести ответственность за результат команды.

Условия

График 5/2, офис на м. Кутузовская.

Режим работы — офис.

Достойный уровень вознаграждения (оклад + годовая премия).

Возможность возглавить AI-направление и влиять на цифровую трансформацию банка.

Широкие возможности для профессионального развития: корпоративный университет и множество онлайн-программ обучения. Корпоративное обучение за счёт компании.

Бесплатная подписка СберПрайм+, многочисленные скидки и бонусы от партнёров: СберМаркет, МегаМаркет, Самокат, Еаптека и др.