Senior Data Scientist (B2C)

Ориентир по рынку≈ 353 000 – 382 000 ₽наша приблизительная оценка по 10 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 4,4 тыс.–4,7 тыс. $

ОфисMiddleПолная занятостьКорпорация

≈ 353 000 – 382 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Сумму в объявлении не указали. Ориентир на созвон: столько платят в 10 похожих вакансиях Data Scientist уровня Middle.

платят меньше353 000 – 382 000 ₽ у половины таких вакансийплатят больше

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

Вилки нет

Живость

Опубликована 3 дня назад. Раньше её уже выкладывали 1 раз: спросите, почему место снова свободно.

Свежая

Описание

Обязанности: 6, требования: 5. Понятно, что за работа, ещё до отклика.

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

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

Наша компания

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 за

Чем предстоит заниматься

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

Обучать модели для предсказания психометрических и поведенческих характеристик клиента

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

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

Формировать датасеты для обучения, валидации и тестирования моделей

Искать цифровые признаки, которые могут помочь определить характеристики мотивационного профиля