Сбер·Москва·24 сент.
Middle+/Senior Data scientist (Центр модельных рисков розничного бизнеса)
Ориентир по рынку≈ 130 000 – 288 000 ₽наш грубый ориентир по 130 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана
🏢 ОфисMiddleПолная занятостьКорпорация
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. Грубый ориентир: столько платят в 130 вакансиях уровня Middle по всему рынку, без учёта специальности.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Висит 25 дней, признаков фиктивного найма нет.
- Появилась у нас 24 сентября 2026 г., 25 дней назад
- Эту вакансию уже публиковали 1 раз, первая публикация была 29 июля 2026 г.
- Текст сверяли с источником, с публикации он не менялся
- У источника её видели сегодня
Считается по истории наблюдений за вакансией: сколько раз её переоткрывали, меняли ли текст, как долго висит. Выдачу источника сверяем при каждом обходе: пропажу, возврат и правки текста. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Главное перечислено: обязанностей 3, требований 11.
- Обещают
- ДМС и компенсация спорта
Что требуют
ОбязательноMLPythonPyTorchHugging FaceSparkSQLNLP
Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.
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
Оценка качества моделей Classic ML: uplift, отклик, мультикласс, мультилейбл так же оценка работы модели и ее применимости в бизнес-процессе, верификация эффекта модели на бизнес
Исследование подхода к моделированию и валидации, улучшение методологии, применение передовых технологий и распространение наработки
Автоматизация процессов (валидация, мониторинг и т.д.), как с использованием агентов, так и без
Наши требования
Высшее образование в области технических / физико-математических наук
ML, DS опыт от 5 лет
Знание классического машинного обучения
Опыт работы и понимание подходов, используемых в кампейнинге: uplift, PyBoost, модели отклика, модели склонности
Понимание связи бизнес целей с ML метриками
Понимание основ A/B тестирования
Знание Python и библиотек анализа данных: PyTorch, HuggingFace и Transformers
Знание PySpark, SQL
Опыт модельной аналитики и управления модельным стеком в бизнес-процессе
Знание основ NLP
Опыт построения агентов/ агентных систем, понимание принципов их работы, коммуникации и оркестрации
Мы предлагаем
Работа в удобном и современном офисе недалеко от станции метро 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
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
Наша команда занимается управлением модельным риском, возникающим в результате некорректной работы моделей. Этот риск может приводить к финансовым и репутационным потерям
Главным образом, мы работаем с моделями на табличных данных. Также анализируем модели NLP. Пишем методики оценки рисков, разрабатываем валидационные тесты на Python. В ходе валидации, погружаемся в бизнес-процесс и строим альтернативные решения. Также настраиваем и проводим регулярный мониторинг моделей
Мы автоматизируем процессы, как при помощи агентов, так и используя не агентские технологии и внутренние платформы
