Teamlead Data Science

Описание

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. 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 современного программирования и управления проектами. Комфортные условия труда - современное оборудование и стабильность занятости в одной из крупнейших финансовых организаций страны. Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России! Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности 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. 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 постановка задач команде, оценка трудоёмкости; готовность развивать управленческие навыки в процессе. Будет плюсом: XAI, большие данные (PySpark, Hive, HDFS), банковская / финансовая сфера опыт построения модели, давшей измеримый бизнес-эффект (метрики, выручка, экономия ресурсов) участие в соревнованиях Kaggle или аналогичных. Условия гибридный формат работы (4 дня офис) на Кутузовском, 32к1 ежегодный пересмотр зарплаты, квартальная и годовая премия более 400 образовательных программ СберУниверситета для профессионального и карьерного развития программа адаптации и помощь руководителя на старте 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.