Teamlead Data Science

Сбер·Москва·5 дн назад

Teamlead Data Science

Ориентир по рынку≈ 341 000 – 400 000 ₽наша приблизительная оценка по 12 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 341 000 – 400 000 ₽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 12 похожих вакансиях Data Scientist уровня Middle.

платят меньше341 000 – 400 000 ₽ 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 5 дней назад. Раньше не выкладывалась: вакансия новая, а свежие почти всегда живые.

Свежая

Описание

Обязанности: 8, требования: 18. Понятно, что за работа, ещё до отклика.

Обещают: ДМС
Известно: высокие нагрузки

Подробно

Что требуют

ОбязательноMLLLMPythonscikit-learnPandasNumPyPyTorchSQLPostgreSQLNLP

ПлюсомSparkHiveHadoop

Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.

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

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

Наша компания

Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично. Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования.

О роли

Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы. Возможность углублять знания и улучшать навыки в области совре

Чем предстоит заниматься

Руководство командой DS (продуктовый и исследовательский треки) плюс собственная инженерная работа — от архитектуры ML/AI-решений до инструментов для fine-tuning LLM

Управление командой DS: постановка и декомпозиция задач, приоритизация, контроль качества

Менторство, код-ревью, стандарты разработки и исследований; участие в найме

Архитектура ML/AI-решений, обоснование выбора методов и моделей

Разработка инструментов fine-tuning LLM (LoRA/QLoRA): подготовка датасетов, пайплайны обучения, оценка качества

Разработка и валидация ML-моделей, feature engineering, вывод в production

Исследовательские гипотезы, дизайн экспериментов, статистическая оценка, прототипы новых подходов

Предложения по решению бизнес-задач аналитическими методами, консультирование заказчика, презентация результатов

Наши требования

Одинаково уверенная работа как исследователь/моделист и как инженер, доводящий AI-решения до работающего продукта

Алгоритмы и структуры данных на уровне понимания внутреннего устройства, а не вызова библиотек: базовые (сортировки, поиск, деревья, графы, динамическое программирование, оценка сложности), классический ML (линейные модели, градиентный бустинг, SVM, кластеризация), DL (обратное распространение, оптимизаторы SGD/Adam, механизмы внимания, трансформеры), LLM-инженерия (токенизация BPE, LoRA/QLoRA, ANN-поиск)

Умение разобрать алгоритм по статье и реализовать в коде

Готовность самостоятельно разрабатывать скиллы и тулы для LoRA/QLoRA-адаптации LLM

Data Scientist / ML-инженер — от 4–5 лет

Техническое лидерство или менторство — от 1–2 лет

Вывод моделей в production и их сопровождение; исследовательская работа

Python (scikit-learn, pandas, numpy, PyTorch), SQL/PostgreSQL

Классический ML, валидация моделей, статистика, математическое моделирование

NLP/LLM: трансформеры, Hugging Face Transformers, LLM API, LangChain; промпт-инжиниринг, RAG

Практический опыт обучения нейронных сетей: трансформеры + минимум 2–3 типа архитектур (CNN, RNN/LSTM, VAE, RL-агенты)

MLOps: ML-пайплайны, Docker, FastAPI, Git, воспроизводимость экспериментов

Готовность проводить код-ревью и давать развивающую обратную связь

Способность понятно объяснять технические решения нетехнической аудитории