Сбер·Москва (м. Кутузовская)·30 июля
Team Lead MLE / Data Science (Last Mile & Agents)
500 000 – 750 000 ₽
на 11% выше медианы рынка
≈ 5,8 тыс.–8,7 тыс. $
🔄 ГибридLeadПолная занятость
Навык востребован (Python). Но верх вилки на 26% ниже медианы грейда.
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.
Обязанности
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 процесов и улучшения клиентского опыта на этапе доставки и активации.
Требования
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.
Технологии и навыки
Сбер
Москва (м. Кутузовская)
ГрейдLead
ЗанятостьПолная занятость
РегионРоссия
ФорматГибрид
ИсточникСкрыто
Опубликовано30 июля
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).