Эта вакансия в архивеЭту вакансию выложили заново, открыть новую публикацию
Сбер·Санкт-Петербург·6 июля
Senior ML engineer
Ориентир по рынку≈ 325 000 – 375 000 ₽наша приблизительная оценка по 13 вакансиям этой роли и грейда, у работодателя вилка не указана
🏢 ОфисMiddleПолная занятостьКорпорация
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.
2 из 4 в норме
Висит давно: что спросить, чтобы не откликаться в пустоту
Деньги
Сумму в объявлении не указали. Ориентир на созвон: столько платят в 13 похожих вакансиях Data Scientist уровня Middle.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Открыта уже 105 дней. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.
- Зарплата не указана
- Появилась у нас 6 июля 2026 г., 105 дней назад
- Эту вакансию выложили заново: Открыть новую публикацию
Точной даты публикации у нас нет, появления этой вакансии мы не застали, поэтому мёртвой она здесь не объявляется. Выдачу источника сверяем при каждом обходе: пропажу, возврат и правки текста. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Обязанности: 6, требования: 11. Понятно, что за работа, ещё до отклика.
- Обещают
- ДМС и наставник на старте
Что требуют
ОбязательноMLPythonPandasscikit-learnCatBoostLLMLangChainRAGSQLGit
ПлюсомHadoopSparkLinuxBash
Надбавка к зарплате на этом уровне: Python +40%, SQL +20%, Git +8%.
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
Погрузиться в процессы и продукты компании, с целью улучшения процессов с помощью ML
Азрабатывать и тестировать новые гипотезы связанные с ML моделями на табличных данных
Азрабатывать MVP решения с использованием LLM моделей (промпт-инжиниринг)
Азрабатывать ML модели с учетом требований банка и последующего вывода их в ПРОД
Готовить аналитику результатам работы моделей и презентовать ее заказчикам
Частие в развитии ML инструментов и тех. стека Банка
Наши требования
Опыт работы по направлению Data Science от 3х лет
Знание Python ML стека (pandas / sklearn / catboost )
Опыт использования LLM или агентского стека (LangChain / LangGraph / RAG)
Умение переложить гипотезу с бизнес терминов на техническую реализацию
Развитые коммуникативные способности для эффективного общения
Знание SQL / Git / Pep8
Управления командой DA / DS от 1 года
Промышленной разработки на Python от 1 года
Внедрения ML решений в бизнес процессы
Работы с BigData стеком (Hadoop / PySpark)
Работы с Linux, bash
Мы предлагаем
Удобный офис в СПб на ул. Уральской, дом 1 (с бесплатной развозкой от метро)
Офисный формат работы
Регулярный пересмотр заработной платы и возможность получения годовой премии
Доступ к более чем 400 образовательным программам СберУниверситета
Программу адаптации и поддержку наставника на первых этапах работы
Расширенную медицинскую страховку (ДМС) и выгодные условия страхования для членов семьи
Ипотечные программы для сотрудников
Бесплатные подписки СберПрайм+ и бонусы партнёров
Вознаграждения за рекомендации кандидатов
Дополнительно
Команда разработала и внедрила большое количество ML моделей в процессы банка, наши модели улучшают клиенсткий опыт, помогают снизить отток и формируют персональные рекомендаций для клиентов. С помощью стека разработанных моделей, команда улучшает внутренние процессы банка, а так же платные продукты и сервисы для клиента. Мы ищем в команду ML инженера, который поможет лидировать направление разработки ML моделей в команде, улучшать стек текущих моделей и разрабатывать новые