Сбер·Москва·2 дн назад
Data Scientist (NLP / Prompt Engineering)
Ориентир по рынку≈ 437 000 – 497 000 ₽наша приблизительная оценка по 8 вакансиям этой роли и грейда, у работодателя вилка не указана
≈ 5,3 тыс.–6,1 тыс. $
🏢 ОфисSeniorПолная занятостьКорпорация
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Вакансия свежая: первые отклики читают внимательнее.
3 из 4 в норме
Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона
Деньги
Сумму в объявлении не указали. Ориентир на созвон: столько платят в 8 похожих вакансиях Data Scientist уровня Senior.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Появилась 2 дня назад. По свежим вакансиям почти всегда действительно нанимают.
Описание
Расписано подробно: обязанностей 5, требований 13. Картина ясна до первого созвона.
- Обещают
- ДМС и компенсация спорта
Что требуют
ОбязательноNLPLLMRAGPython
ПлюсомLangChain
Надбавка к зарплате на этом уровне: LLM +36%, Python +14%.
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
10 вопросов именно к этой вакансии: что спросить на первом созвоне
Когда откликаться
Стоит ли спешить: за сколько дней Сбер обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Чем предстоит заниматься
Развивать промпты агентов: системные и ролевые промпты, few-shot, схемы рассуждения, tool calling, извлечение структурированных знаний из документов
Строить пайплайны эволюции промптов: версионирование, оффлайн-оценка (golden set, side-by-side, LLM-as-judge), итерации по ошибкам
Решать задачи классификации и маршрутизации документов: разделение входного пакета по классам, подготовка релевантного контекста для агента
Работать с RAG и эмбеддингами: chunking, выбор и тюнинг эмбеддингов, retrieval / rerank, оценка качества поиска
Работать с open-source LLM и GigaChat во внутреннем контуре; предлагать и обосновывать стек под задачу
Наши требования
Опыт в Data Science / NLP / LLM от 5 лет
Опыт prompt engineering на продакшн-задачах
Понимание tool calling / function calling
Понимание RAG-архитектур
Опыт классификации текстов и документов
Уверенный Python (эксперименты, скрипты, оценка качества)
Понимание метрик качества LLM и подходов к оценке (eval-наборы, precision / recall по кейсам)
Богатый опыт работы с эмбеддингами: выбор модели, fine-tune, contrastive learning, оценка retrieval
Опыт пайплайнов эволюции промптов (DSPy, GePA и аналоги, Langfuse / PromptLayer)
Опыт LangChain / LangGraph / LlamaIndex на уровне логики агента
Опыт в доменах: банки, комплаенс, документооборот, юридические тексты
Опыт LoRA / SFT
Опыт CV / мультимодальных моделей
Мы предлагаем
Комфортный современный офис рядом с м. Кутузовская проспект
Формат работы – офис/гибрид
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
Отдел занимается разработкой AI-агентов для автоматизации бизнес-процессов. В фокусе — задачи NLP и CV: работа с текстовыми и визуальными документами, извлечение информации, принятие решений на основе содержимого. Требуется усилить отдел ML-экспертизой в области языковых моделей, промпт-инжиниринга и качества агентных решений
На этой позиции нужен Data Scientist, который отвечает за смысл и качество решений агента и обработки документов. Это возможность участвовать в создании агента enterprise-уровня с высокими требованиями к качеству и стабильности
