Data Scientist (Стажер)

🔥 Ищем к себе в команду

Позиция: стажёр DS на 3-6 месяцев
Куда: Сбер, B2C, Data Unit, Трайб X
Формат работы: полная занятость; офис в Москве.

Вилка гросс: 60-80k
Далее, при успешном прохождении стажировки переводим на джуна с условиями: 150-250k + годовой бонус (mid 15%, max 30%) от годового оклада

Про нас:
Мы разрабатываем агентные RAG-системы, которые помогают компании улучшать клиентский опыт за счёт персонализированных решений.
У нас уже есть рабочий продукт, работающий в проде и приносящий пользу. Сейчас команда активно работает над новыми применениями технологии и улучшает качество уже в рабочих направлениях.

Что предстоит делать?
Под руководством ментора проводить эксперименты по улучшению агентных RAG систем:
- улучшать методы измерения качества: разметка, сбор бенчмарков
и llm-as-a-judge.
- улучшать поиск за счёт обучения моделей и качества самих источников.
- оптимизировать и улучшать генерацию ответов.
- совместно с инженерами из команды выводить новые модели/подходы в прод.

В рамках стажировки предстоит не только обучать модели и писать код, но и погружаться в сам продукт и бизнес-процессы.

От нас:
- Постоянное карьерное и личностное развитие: амбициозные задачи, полный цикл разработки, выступления на конференциях, классная команда энтузиастов и помощь в реализации самых смелых идей
- Минимум бесполезных встреч
- ДМС

Требования:
- Знание основ классического ML и NLP/LLM: классические задачи и архитектуры/подходы для их решения, метрики, процесс обучения моделей.
- Уверенное знание python и различных фреймворк для ml/dl: pytorch, transformers, pymorphy и т.д.
- Знание основ RAG: понимание для каких задач используется, какие проблемы решает и как реализовать базовый подход без использования langchain.
- Владение базовым набором навыков для разработки: bash, git и тд.
- Пет-проекты/соревнования по решению задач из NLP: текстовая классификация, суммаризация, поиск и т.д.

Ответы на 10 важных вопросов
1. Данные: Петабайты данных, накопленных за почти 10 лет, доступные в банковском хранилище для моделирования и самых смелых идей
2. Железо, продакшн и ноутбук: Много железа для самых различных потребностей при разработке (от маленьких проектов до обучения огромных моделей в мульти-гпу режиме), отдельная платформа для исполнения моделей, для работы вне офиса - SberBook для разработчиков, данные - в hdfs
3. Масштаб влияния на бизнес: продукт уже работает в проме и приносит пользу/фин.эффект. В дальнейшей влияние будет только увеличиваться, за счет большего количества бизнес-потребителей.
4. Уровень зрелости Data Science: функция ИИ внедрена по все ключевые направления бизнеса, ИИ приносит деньги и бизнес активно приходит с запросом на наши решения.
5. Роль Data Scientist в компании: ожидаем высокую степень автономности как личной, там и при кросс-командном взаимодействии - необходимо помочь бизнесу понять ценность МЛ решения, подготовить целевую переменную, модель, провести презентацию заказчику, с помощью команды сопровождения вывести модель в пром и поставить на мониторинг.
6. Бэкграунд вашего руководителя:
7. Как часто вам будут мешать работать: одна встреча с командой в неделю, плюс встречи с бизнес заказчиком в рамках решаемых задач.
8. Карьерный рост: ежеквартальные калибровки на уровне компании
9. Prod/research: prod - стараемся выжать максимум из существующих решений. Рисеч в команде тоже присутствует, но там где есть острая необходимость
10. Роль сервиса или лидера: роль разработчика, при успешном выполнении проектов появятся младшие коллеги для менторства

Резюме направляйте на почту с темой «Фамилия_имя_стажер_B2C_DT». Пожалуйста, соблюдайте шаблон темы, чтобы письмо не потерялось.