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.

_Управление и процессы:_

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

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

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

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

_Экспертиза и разработка:_

1. 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.

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

3. Проектирование и ревью кода ML-моделей и ключевых алгоритмов.

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

· 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 процесов и улучшения клиентского опыта на этапе доставки и активации.

_Хард-скиллы:_

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

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

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

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

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

_Софт-скиллы:_

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

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