Data Scientist

🔥 Ищем к себе в команду

Позиция: Junior/Middle/Senior DS
Куда: Сбер, B2C, Data Unit, Трайб X
Формат работы: полная занятость; офис в Москве, Санкт-Петербурге

Вилка гросс:
150-250 джун + годовой бонус (mid 15%, max 30%) от годового оклада
250-430 мидл + годовой бонус (mid 25%, max 50%) от годового оклада
430-570 синьор + годовой бонус (mid 25%, max 50%) от годового оклада

Про нас:
Наша команда занимается внедрением нейронных сетей в бизнес-процессы банка. Мы строим не только SOTA алгоритмы, но и активно «приземляем» наши исследования, растим бизнес и клиентский опыт, исследуем новые источники данных и подходы к моделированию на них. Тебе предстоит влиться в команду, занимающуюся внедрением больших нейронных сетей в различные бизнес-вертикали Банка. У нас есть много железа, еще больше данных, крутая команда и много амбициозных задач.

Что предстоит делать?
- ML разработка полного цикла - помочь понять что и зачем нужно бизнесу, перевести это в термины ml, подготовить сильное решение и рассказать о нем, выкатить модель в продакшн
- Искать и прорабатывать гипотезы по улучшению моделей за счет использования новых источников данных
- Дизайнить системы, планировать пилоты и запускать ручейки для сбора данных
- Автоматизировать рутину, оборачивая код в читаемые и воспроизводимые пайплайны

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:
- Опыт работы в DS/ML
- Отличное знание бустингов
- Отличное знание Pytorch (must, это то, без чего ты не сможешь работать)
- Высшее образование (оконченное или учишься) в области компьютерных наук, математики или смежных дисциплин
- Английский язык на уровне чтения технической документации

Будет большим плюсом:
- Хотим найти человека с сильным опытом решения uplift/RL задач, если это ты - сделай акцент в резюме на этом опыте
- Успех в ML-соревнованиях
- MLOps стек/навыки (Jenkins/Airflow/Kuber... в дополнение к ML)
- Опыт с Pyspark/Hadoop

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: делаем решения, которые катим в пром: кампейн, рекомендации, кросс-продажи. Имеем несколько моделей в пром эксплуатации и стремительно растим их число
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 «Вакансия_Фамилия_DS_B2C_CD» (прошу обратить внимание на шаблон, в противном случае рискую упустить Ваше сообщение)