Data scientist (Middle)

Сбер·Москва·28 сент.

Data scientist (Middle)

Ориентир по рынку≈ 300 000 – 375 000 ₽наша приблизительная оценка по 16 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятостьКорпорация

≈ 300 000 – 375 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Вакансия живая, задачи расписаны.

3 из 4 в норме

Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона

Деньги

Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 16 похожих вакансиях Data Scientist уровня Middle.

платят меньше300 000 – 375 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Висит 21 день, признаков фиктивного найма нет.

Живая

Описание

Расписано подробно: обязанностей 11, требований 11. Картина ясна до первого созвона.

Обещают: ДМС, компенсация спорта и психологическая поддержка

Подробно

Что требуют

ОбязательноMLPythonPandasNumPyscikit-learnCatBoostXGBoostNLPLLM

Надбавка к зарплате на этом уровне: Python +40%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

Работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки

Подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы

Сравнивать методы моделирования — от rule-based решений и классического ML до моделей на основе embeddings и LLM

Обучать модели для предсказания психометрических и поведенческих характеристик клиента

Масштабировать характеристики, доступные для ограниченной выборки клиентов, на широкую клиентскую базу

Оценивать модели как по стандартным ML-метрикам, так и по тому, насколько хорошо их результаты работают в прикладных сценариях - сегментации, персонализации и моделировании поведения клиента

Работать с неструктурированными данными, в том числе с текстами глубинных интервью

Строить пайплайны обработки текста: чанкинг, построение эмбеддингов, кластеризация и извлечение признаков

Сопоставлять информацию из текстов с поведенческими и транзакционными данными

Проверять качество разметки и данных, анализировать смещения выборки и устойчивость полученных признаков

Оценивать репрезентативность обучающей выборки и возможность переноса результатов на широкую клиентскую базу

Наши требования

Опыт работы Data Scientist / ML Engineer от 2–3 лет

Уверенное знание Python и стандартного DS/ML-стека: pandas, numpy, scikit-learn, CatBoost / LightGBM / XGBoost

Опыт построения supervised ML-моделей для табличных данных

Хорошее понимание задач классификации, регрессии и ранжирования

Опыт работы с текстовыми данными и NLP: embeddings, sentence-transformers, кластеризация, классификация текстов, семантический поиск

Понимание основных подходов к работе с LLM: prompting, few-shot, zero-shot, LLM-разметка и оценка качества LLM-ответов

Умение проектировать метрики и схемы offline-валидации для нестандартных задач

Умение работать с неоднозначными таргетами, шумной разметкой и неполными данными

Уверенная работа с большими данными

Способность переводить бизнес-гипотезу в ML-задачу: формализовать постановку, определить требования к данным и метрикам, учесть ограничения и сформулировать критерии успешности

Умение понятно объяснять результаты как ML-специалистам, так и продуктовой команде

Мы предлагаем

Комфортный современный офис рядом с м. Кутузовская

Возможность выбрать удобный график – офис/гибрид

Ежегодный пересмотр зарплаты, 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

Команда «Мотивационный профиль» создает новый подход к работе с клиентом, который позволит перейти от классической персонализации к более глубокому пониманию человека на основе психологии. Мы извлекаем из данных психометрические характеристики — ценности, страхи, особенности характера и принятия решений — и используем их в продуктах банка и экосистемы

Для построения мотивационного профиля мы используем анкеты, подробные интервью, поведенческие и транзакционные данные. Работаем с известными психометрическими методиками и подходами, разработанными исследовательской командой. Одна из ключевых задач — научиться надежно определять психометрические характеристики на ограниченных выборках, масштабировать их на широкую клиентскую базу и использовать в рекомендательных сценариях и моделировании клиентских реакций