Middle Data Scientist (классический ML)

🏢 ОфисMiddleПолная занятость

Зарплата не указана

Есть о чём спросить

Навык востребован (ML), готовы вкладываться в обучение. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Команда Управления благосостояния ПАО "Сбербанк" ищет профессионала на позицию Middle Data Scientist. Мы занимаемся разработкой и внедрением ML моделей на огромной клиентской базе B2C и B2B с целью предложения актуальных инвестиционных, страховых и сберегательных продуктов.

Чем предстоит заниматься

Строить ML модели на основе различных данных: табличные, последовательности событий (кликстрим, транзакции и т.д.), текстовые

Писать production-ready код и передавать его в CI/CD пайплайн команды MLOps (вы отвечаете за качество кода и воспроизводимость)

Улучшать процесс построения моделей, разрабатывать собственные прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде

Выдвигать data-driven гипотезы/предложения для запуска новых механик, а также поиск инсайтов в данных

Наши требования

Глубокое знание классического ML и опыт применения к реальным бизнес-задачам (градиентный бустинг, NLP алгоритмы)

Понимание основных Deep Learning подходов

Продвинутое знание SQL (оконные функции, оптимизация плана запроса)

Отличное знание Python, в том числе знание библиотек catboost, pandas, numpy, sklearn, torch

Опыт работы с Hadoop, PySpark (оптимизация запросов, работа на общем кластере)

Мы предлагаем

Комфортный современный офис рядом с м. Кутузовская

Ежегодный пересмотр зарплаты, годовая премия

Корпоративный спортзал и зоны отдыха

Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

Ипотека для сотрудников выгоднее до 4%

Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

Вознаграждение за рекомендацию друзей в команду Сбера

Дополнительно

Рекомендательными системами и моделями отклика для СберБанк Онлайн и СберИнвестиций

NLP-моделями на текстовых данных

Продвинутыми подходами в классическом ML (uplift-моделирование, работа с несбалансированными классами, feature engineering на больших данных, SOTA-алгоритмы)