Вакансии

Команда SberNBA занимается тремя большими направлениями: платформа коммуникаций и персональных предложений Сбера, поведенческая foundation model человека, бизнес направление коммуникаций от потребности клиента. Цель команды – сделать управление коммуникациями проще и эффективнее за счет гибкости платформенных инструментов и GenAI, моделировать поведение человека на краткосрочном и долгосрочном горизонте и использовать эти данные в бизнес-процессах банка, помогать человеку закрывать потребности быстрее и проще. Обязанности: — развивать команду и компетенции трайба на уровне DS экспертизы; — строить, развивать и реализовывать стратегию развития трайба в части ML/AI; — участвовать в создании кампейн платформы нового поколения, основанного на агентах; — развивать системы генерации персонализированного контента; — развивать Foundation Model (трансформерная модель понимания клиента на основе его действий в банке и экосистеме Сбера) и рекомендательные модели. Требования: — 10+ лет в DS / 5+ лет в промышленных RecSys в крупных компаниях; — интеграция LLM в RecSys (RAG / генерация текста офферов); — опыт управления командой 10+ DS и развития ML экспертизы на уровне подразделения; — успешный опыт реализации сложных и масштабных ML проектов с доказанным бизнес-эффектом; — хорошие коммуникативные навыки, готовность договариваться и находить оптимальные решения; — стратегическое мышление; — амбициозность и ориентация на бизнес-результат. Условия: — комфортный современный офис рядом с м. Кутузовская; — ежегодный пересмотр зарплаты и годовая премия; — корпоративный спортзал и зоны отдыха; — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития; — 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.

Задачи: — глубокий анализ данных для построения и калибровки моделей — опыт построения uplift-моделей и кривых отклика для оптимизации процентных ставок — разработка моделей оценки эластичности спроса на кредит по ставке — разработка, обучение и валидация продвинутых ML-моделей для индивидуального ценообразования (регрессионные модели, градиентный бустинг, методы обучения с подкреплением / Reinforcement Learning для динамического ценообразования) — анализ и интерпретация результатов A/B-тестов ценовых стратегий, оценка их бизнес-эффекта (влияние на выручку, маржу, конверсию, LTV) — построение и оптимизация симуляционных сред для предварительной оценки эффекта ценовых изменений. Требования: — глубокое знание и практический опыт (от 3 лет) применения методов машинного обучения и анализа данных для решения бизнес-задач, желательно в области ценообразования, экономики или финтеха — продвинутый уровень знаний в области статистики, эконометрики и методологии проведения A/B-тестов — понимание принципов микроэкономики и теории цен — опыт разработки и внедрения в production моделей, напрямую влияющих на финансовые метрики (выручка, маржа) — продвинутые знания SQL и Python для анализа данных и ML — опыт работы с Python ML-фреймворками (Scikit-Learn, LightGBM/CatBoost/XGBoost, PyTorch/TensorFlow, библиотеки для RL), Spark (PySpark), опыт работы с базами данных (GreenPlum, PostgreSQL, ClickHouse). Будет плюсом: — опыт построения систем динамического ценообразования (dynamic pricing) или моделей на основе обучения с подкреплением (Reinforcement Learning) — опыт работы в ритейле, финтехе, marketplace-сегменте или сфере услуг с высокой конкуренцией — умение переводить бизнес-задачи на язык данных и обратно — знание основ юнит-экономики и финансового моделирования — опыт разработки или интеграции решений с применением GenAI. Условия: — комфортный современный офис рядом с м. Кутузовская — офисный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха — 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.

Задачи: — проводить аналитику и мониторинг работы моделей — собирать и подготавливать данные, последующий EDA, feature engineering — разрабатывать новые ML-модели — оптимизировать скрипты data/model/inference pipelines — подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты. Требования: — высшее образование по техническому направлению — от года релевантного опыта в ML — прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез) — умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL — владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels — глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения) — владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др. Будет плюсом: — интерес к методам ML в задачах ценообразования и финансах — изучение Reinforcement Learning, multi-arms bandits — чтение статей по современным решениям для работы с последовательностями. Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета — программа адаптации и помощь руководителя на старте (для Junior) — расширенный ДМС, льготное страхование для семьи, 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.

Требования: — 4+ года опыта работы дата-сайентистом — Практический опыт с предсказанием LTV или ROAS — Опыт в adtech или мобильном performance-маркетинге — Уверенные навыки Python и SQL — Опыт работы с облачными хранилищами данных в продакшене — Опыт использования моделей, применяемых для реальных решений — Владение английским языком на уровне B2+ (письменно и устно)

Location: SF or Remote (US/Canada) At Render, we’re building the modern cloud platform for developers creating AI-native, full-stack, multi-service applications. Our mission is to eliminate the tradeoff between the power of hyperscalers and the simplicity of developer-friendly platforms—so teams can ship fast, scale reliably, and focus on their product, not infrastructure. Unlike complex hyperscalers or ephemeral edge/serverless solutions, Render offers a developer-first experience with persistent compute, dynamic autoscaling, built-in orchestration, and observability, allowing teams to launch, scale, and manage real-world applications without writing infrastructure code or managing servers. Whether you're building LLM-powered applications, scalable SaaS products, or async processing pipelines, Render empowers teams to move fast and scale confidently from MVP to millions of users. Our platform is trusted by over 7 million developers worldwide and continues to grow rapidly. In February 2026, we raised an additional $100M in Series C financing, bringing our total funding to $260M, to accelerate our vision of making cloud infrastructure both powerful and intuitive—designed for the speed of modern AI development. We’re a diverse and talented team that values craft, velocity, and user experience. If you’re excited to help shape the future of the intelligent cloud and empower developers everywhere, we’d love to hear from you. APPLYING TO RENDER We're seeking candidates who possess high integrity, humility, and an insatiable drive to learn. Through reasoned discussions and continuous feedback, we strive to improve both individually and collectively. We foster an environment of mutual trust and respect, empowering effective debate to achieve the best outcomes for our customers and team. We especially encourage members of underrepresented groups in the tech community to apply and understand that not all successful candidates will meet each requirement listed. Our interview process is unique to each role, and we value the candidate experience just as much as our customer experience. We hope your conversations with us reflect a thoughtful process that is illuminative, enjoyable, and respectful of your time. ABOUT THE ROLE We're looking for a Senior/Staff Data Scientist to join our growing Data team and serve as a strategic analytics partner across Render. As we scale, we're tackling increasingly complex questions across our product, customers, and business, from how developers discover and adopt Render, to what drives engagement and retention, to how we prioritize investments and identify new opportunities for growth. You'll partner with leaders and teams across Product, Growth, Go-to-Market, Finance, and other functions, focusing on some combination of data analytics, analytics engineering, machine learning, and experimentation based on your strengths, interests, and Render's highest-priority needs. You'll turn ambiguous questions into rigorous analysis, define how we measure success, and translate complex data into decisions and action. As a Senior/Staff-level individual contributor, you'll also help set the standard for analytics at Render, shaping our measurement frameworks, analytical practices, and how teams across the company use data to make better decisions. WHAT YOU’LL DO - Serve as a strategic analytics partner. Work closely with leaders and cross-functional partners across Product, Engineering, Growth, Go-to-Market, Finance, and other teams to identify high-impact questions, frame decisions, and determine how success should be measured. - Define meaningful metrics and measurement frameworks. Develop the KPIs and frameworks teams use to understand performance across areas such as acquisition, activation, adoption, engagement, retention, conversion, expansion, and customer outcomes. - Turn data into strategy. Surface patterns across our users, customers, products, and business. Identify opportunities, diagnose friction, and help teams determine where to invest and what to prioritize. - Shape our approach to experimentation and evaluation. Design and analyze experiments where appropriate, develop guardrail metrics and other methods for evaluating initiatives, and help teams choose the right analytical approach for the decision at hand. - Build measurement into how we work. Partner with teams to define instrumentation and measurement plans early, ensuring new products, programs, and initiatives can be evaluated reliably after launch. - Build trusted analytical foundations. Build and maintain dbt models, semantic and context layers in partnership with Analytics Engineering, transforming behavioral and business data into reliable datasets that support decision-making across Render. - Raise the bar for analytics. Establish analytical best practices, improve how teams use data in decision-making, and mentor scientists and cross-functional partners on measurement, experimentation, and data literacy. - Help shape the future of analytics at Render. Explore how AI-assisted tools can make analytics faster and more accessible while maintaining a high bar for accuracy, context, and analytical judgment. WHAT WE’RE LOOKING FOR - 7+ years of analytics experience, with a track record of shaping strategy and influencing decisions across complex or ambiguous problem spaces. - Strong business and product judgment. You can take an ambiguous question, identify what really needs to be understood, and determine the right analytical approach to inform a decision. - Experience defining and using metrics across some combination of Product, Growth, Go-to-Market, Finance, or other business domains, for example acquisition, activation, adoption, engagement, retention, conversion, expansion, or revenue. - Strong SQL skills. Writing complex, efficient SQL and independently exploring large datasets is a core part of how you work. - Experience using experimentation, statistical analysis, or other rigorous evaluation methods to understand impact, along with judgment about when each approach is appropriate. - Experience with modern analytics tooling such as Metabase, Mixpanel, dbt, BigQuery, Segment, and Git. - A track record of influencing cross-functional teams and senior leaders without direct authority. You're comfortable challenging assumptions, creating clarity from ambiguity, and driving alignment around what the data says. - Excellent communication skills. You can turn complex analysis into a clear narrative, explain technical concepts to non-technical audiences, and build the relationships necessary to drive action. - Experience using AI-assisted coding or analytics tools such as Codex, Cursor, or Claude Code to accelerate analysis, data modeling, instrumentation, or visualization. NICE-TO-HAVES - Expertise in statistical methods beyond traditional A/B testing, such as causal inference, cohort and survival analysis, or time-series analysis. - Experience with developer-focused, product-led, sales-led, or usage-based businesses. - Knowledge of cloud infrastructure, PaaS, developer tooling, or other technically complex products. - Experience analyzing multi-product or multi-segment businesses and understanding behavior across interconnected customer journeys. If this role excites you but you don’t meet every single requirement, we’d still love to hear from you—your unique experience might be just what we need. BENEFITS - 4 weeks of paid vacation. - 14 weeks of fully paid parental leave for all parents to bond with a newly born, adopted, or fostered child. We will also work with you to create a supportive plan of return. - Long-term disability, life insurance, and 401K plans. - 100% employer-paid medical coverage and 99% employer-paid dental and vision coverage for you and a dependent. FSAs and HSAs are available as well. - Monthly lifestyle stipend for wellness, mental health and therapy, hobbies, etc. - Monthly cell phone and internet subsidy. - Commuter benefits for Renders in the Bay Area, and home office stipends for remote Renders. - Continuous learning benefits & related support. This position is generally not eligible for new visa sponsorship. At Render's discretion, the business may sponsor existing visa transfers. Applicants who require sponsorship must receive business authorization. Render is an equal-opportunity employer. We know that employing a team rich in diverse thoughts, experiences, and opinions allows our employees, product, and community to flourish. We make all employment decisions including hiring, evaluation, termination, promotional, and training opportunities, without regard to race, religion, color, sex, age, national origin, ancestry, sexual orientation, physical handicap, mental disability, medical condition, disability, gender or identity or expression, pregnancy or pregnancy-related condition, marital status, height and/or weight. We will ensure that individuals with disabilities are provided reasonable accommodation to participate in the job application or interview process, to perform essential job functions, and to receive other benefits and privileges of employment. Please contact us to request accommodation. We encourage all who are interested to apply. We can't wait to hear from you! Render — CCPA Applicant Privacy Notice https://drive.google.com/file/d/1wKr9IejoT5McFrs9I2mahQnf6AFwb3z2/view Render — GDPR Applicant Privacy Notice https://drive.google.com/file/d/1_8jtyXQ1HdRdTdQn9sZ7n-R-zAGBmsFa/view

Задачи: — строить и улучшать модели для разных частей всего пайплайна — заниматься полным циклом DS/ML задач — участвовать в создании и развитии платформы рекламы — улучшать процесс построения моделей (от выдвижения гипотез до мониторинга работы модели) Примеры задач: — построить эмбеддинги на основе описания рекламных объявлений и добавить эти данные в модели прогнозирования конверсии — обучить модель для прогнозирования распределения ставок в аукционах и совместить модель с текущим алгоритмом определения ставки — провести эксперименты с новыми офлайн/онлайн признаками в моделях и доставить признаки до сервиса на Go — внедрить модель, которая фильтрует подозрительный входящий трафик Требования: — знание классического ML и Deep Learning подходов — опыт промышленного использования методов RecSys — опыт разработки моделей от проблемы до сопровождения в проде — уверенный опыт разработки на Python и Pyspark, опыт написания продакшн-кода — знание принципов распределенной обработки данных — умение принимать решения на основании данных и аргументировать свою позицию — умение находить решения для проблем, декомпозировать, объяснять и контролировать выполнение Условия: — офис метро Маяковская (Оружейный переулок) — гибридный формат работы — конкурентная компенсация (оклад и премии по результатам деятельности) — ДМС с первого рабочего дня, страхование от несчастных случаев и тяжелых заболеваний — материальная помощь и социальная поддержка, корпоративная пенсионная программа — дисконт-программы от компаний партнеров — бесплатный фитнес на территории работодателя — подписка Прайм с возможностью совместного использования на трёх близких — внешнее и внутреннее профессиональное обучение: семинары, тренинги, конференции, корпоративная библиотека

Задачи: — Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации push/pull-коммуникаций, категорий кешбэка, рекламных материалов и других сценариев в цифровых каналах банка; — Визуализировать и интерпретировать результаты, дизайнить A/B-тесты, проводить пилоты; — Общаться с бизнесом и помогать решать задачи через данные и ML; — Проходить полный цикл разработки модели: от уточнения требований до продакшна и мониторинга качества (если каких-то навыков не хватает — поможем развить); — Разрабатывать AI-агентов. Требования: — Высшее техническое образование; — 3+ года опыта в Data Science (именно построение моделей, не только аналитика); — Уверенный математический аппарат: мат. статистика, теория вероятностей; — Продвинутый Python и SQL (оконные функции, подзапросы — на автомате); — Опыт работы со Scikit-learn, NumPy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git. Будет большим плюсом: — PySpark, Hive, Hadoop, Docker, Kubernetes; — Опыт в банковской сфере и CVM; — Модели склонности и uplift-моделирование; — Рекомендательные системы (RecSys); — NBA/NBO оптимизаторы (Next Best Action / Next Best Offer); — ИИ-сервисы (real-time, near real-time или batch). Условия: — Гибридный формат работы, Москва, Москва-Сити (2 дня в неделю в офисе); — Комфортный и современный офис; — Обучение за счет компании (посещение конференций, курсов, помощь в написании статей на Хабр и т.д.); — Вертикальное и горизонтальное развитие: регулярные тренинги, вебинары, митапы; — Забота о вашем здоровье: ДМС с первого месяца работы, куда входит стоматология; — Прозрачный доход по итогам интервью; — Дополнительные бонусы от Россельхозбанка для сотрудников группы компаний (Скидки на спортзалы, рестораны, маркетплейсы и т.д.).

Задачи: — ценообразование — uplift-моделирование — задачи ранжирования — модели склонности — look-a-like — response модели — работа с регрессионными таргетами — кластерный и факторный анализ. Требования: — опыт в части ML задач не менее 3 года — опыт работы и глубокое понимание классического ML — продвинутые знания статистики и машинного обучения — опыт оценки качества результатов (DS и бизнес-валидация) — опыт проведения A/B-тестов — хорошие знания Python, SQL, Bash, PySpark. Будет плюсом: — опыт работы с Transformers — успехи в ML-соревнованиях, хакатонов — навыки работы с генеративными AI-моделями — опыт создания AI-агентов и использования их в работе — опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов. Условия: — работа в удобном и современном офисе недалеко от станции метро Кутузовская — ежегодный пересмотр зарплаты, годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — 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.

Задачи: — исследование данных с использованием state-of-the-art (SOTA) подходов — разработка моделей машинного обучения в области NLP и NER — автоматизация и оптимизация процесса продаж инструментов глобальных рынков — осуществление fine-tuning’a LLM — имплементация RAG’ов на основе данных Банка — развитие платформы по использованию и развитию LLM — интеграция LLM в бизнес-процессы подразделения — интеграция API, сервисов, построение пайплайнов моделей. Требования: — высокий уровень математического аппарата - математический анализ, линейная алгебра, теория вероятностей — предпочтителен опыт в финансовой сфере, финтехе или области анализа данных (от 3- х лет) — детальное понимание моделей машинного обучения и алгоритмов — опыт управления проектами и взаимодействия со смежными командами — глубокое понимание инструментов финансового рынка является дополнительным преимуществом — уверенное владение Python — опыт в разработке NLP моделей или компьютерной лингвистике — инструментальное владение AI для анализа, генерации и автоматизации. Условия: — формат работы - офис (ст.м. Ленинский проспект) — ежегодный пересмотр зарплаты и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров — вознаграждение за рекомендацию друзей в команду Сбера.

О компании и продукте Мобильная game development-компания развивает один из самых успешных ad-driven продуктов в мире - digital coloring book с многомиллионной аудиторией. Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду. Почему стоит рассмотреть • Прямое влияние на рекламную выручку, engagement, retention и LTV продукта • Работа с большими поведенческими данными и ML-моделями в продукте с миллионами пользователей • Возможность формировать Data Science-направление, roadmap и технические стандарты команды • Кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization Важно • 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах • Обязателен опыт advertising monetization, revenue optimization или advertising analytics • Опыт разработки recommendation, personalization или ranking systems • Сильные Python и SQL • Практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling • Понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets • Опыт технического лидерства или менторинга Data Scientists

Задачи: — Руководство и наставничество в команде Data Science Требования: — Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах — Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы — Опыт работы с системами рекомендаций, персонализации или ранжирования — Продвинутые навыки Python и SQL — Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике — Опыт работы с большими поведенческими наборами данных — Опыт руководства или наставничества в командах Data Science — Родной русский язык Будет преимуществом: — Знание и опыт работы с AdMob, AppLovin, Unity Ads, ironSource — Опыт с MLOps и облачными платформами AWS, GCP, Azure — Знания в области LLMs и генеративного ИИ

Задачи: — Выявление производственных проблем и точек роста на основе данных; — Участие в обследовании производственных участков, выезды в цеха, изучение технологических процессов на месте; — Формализация производственных задач в цифровые кейсы: прогнозирование, классификация, детекция отклонений, контроль качества, оптимизация режимов; — Сбор, выгрузка, очистка и консолидация данных из производственных и корпоративных информационных систем; — Анализ данных технологических процессов, поиск закономерностей, факторов влияния и причин отклонений; — Разработка, обучение и валидация ML-моделей для прогнозирования, оптимизации и поддержки принятия решений; — Разработка и внедрение CV-решений; — Подготовка датасетов, разметка данных, организация процессов сбора и актуализации обучающих выборок; — Проверка гипотез, проведение пилотных проектов и оценка экономического эффекта; — Визуализация результатов анализа, подготовка отчетов и рекомендаций для производственных подразделений; — Взаимодействие с внутренними заказчиками, подрядчиками, интеграторами и смежными командами. Требования: — Практический опыт разработки и внедрения решений на базе ML; — Практический опыт разработки и внедрения решений на базе Computer Vision; — Опыт работы с производственными данными, временными рядами, журналами событий, технологическими параметрами; — Опыт полного цикла работы с данными: сбор, выгрузка, очистка, анализ, построение признаков, обучение моделей, внедрение; — Опыт проведения обследований производственных процессов и интервью с внутренними заказчиками; — Понимание специфики промышленного предприятия и готовность работать “в поле”; — Желателен опыт работы в металлургии, горнодобывающей промышленности, тяжелой промышленности, химическом производстве или энергетике; — Понимание технологических процессов агломерационного, коксового или доменного производства будет преимуществом; — Уверенное владение Python и библиотеками для ML/CV; — Знание методов регрессии, классификации, кластеризации, поиска аномалий, анализа временных рядов, оптимизации, глубокого обучения; — Опыт построения CV-моделей; — Опыт работы с SQL и промышленными базами данных (MES, ERP, SCADA, historians, лабораторные системы, систем АСУ ТП); — Понимание принципов интеграции моделей в промышленный ИТ-ландшафт; — Опыт работы с Docker, Git, MLOps-инфраструктурой; — Применение LLM в разработке решений; — Понимание производственных показателей: качество сырья и продукции, производительность, простои, расход топлива и энергоресурсов, стабильность технологических режимов, надежность оборудования; — Понимание причинно-следственных связей в производственном процессе и умение переводить экспертные знания технологов в аналитические модели; — Навык оценки экономического эффекта от цифровых инициатив: снижение потерь, снижение брака, снижение простоев, рост производительности, снижение расхода ресурсов. Условия: — ДМС, включая стоматологию; — Страхование жизни и страховка для путешественников; — Корпоративная мобильная связь; — Система скидок для сотрудников НЛМК ИТ; — Частичная компенсация питания в корпоративных столовых; — Возможность обучения за счет работодателя; — Активная корпоративная жизнь; — Поддержка от компании в жизненно важных событиях; — Бесплатный доступ к электронной библиотеке.

Требования: 1) Коммерческий опыт работы от 3-х лет. 2) Опыт реализации и вывода в промышленную эксплуатацию решений на базе ИИ (обязательно в том числе AI агентов на базе LLM) в роли Data Scientist/AI Engineer. 3) Знание основ Classic Machine Learning, хорошее знание Deep Learning (NLP). 4) Глубокое понимание архитектуры Transformer. 5) Глубокое понимание подходов и методов проектирования AI-агентов. 6) Практический опыт fine-tuning языковых моделей (GPT-like, BERT-like и др.). 7) Работа со стеком Python - Torch, Transformers. 8) Опыт разработки интеграций с ИТ-системами. 9) Опыт промышленной работы с k8s. Обязанности: - Артефакты тестирования гипотез/экспериментов: описание подхода/модели, соответствующие значения метрик (выбранных для данного решения), тестовый сет/бенчмарк. - Артефакты продукта в целом: описание проекта, архитектура (утвержденная и согласованная с архитекторами и информационной безопасностью (ИБ)), согласование от ИБ что решение может быть использовано в продакшн, код продукта и документация к нему, инструкция по разворачиванию решения в контуре компании. - Все вышеперечисленные артефакты размещены в контуре заказчика (Gitlab, Confluence).

Задачи: — управление полным циклом разработки моделей и ML-решений от постановки задачи до передачи на мониторинг; — формирование бэклога проектов; — генерация подходящих ML-решений для задач бизнеса; — формирование бизнес-технических моделей и технических заданий смежным стримам и командам.

Задачи: — участвовать в разработке и валидации моделей кредитного скоринга — регулярно запускать и контролировать ML-пайплайны — мониторить производительность и стабильность моделей — проводить плановое переобучение моделей — готовить отчёты по производительности моделей, включая Gini / KS — поддерживать модели в продакшене Требования: — от 2 лет опыта в Data Science — понимание принципов кредитного скоринга — узбекский язык обязателен — опыт работы в банковской сфере или финтехе — уверенный SQL и Python, практический опыт с Apache Spark — опыт внедрения и сопровождения ML-моделей в продакшене — понимание MLOps и полного жизненного цикла ML-моделей Будет большим плюсом: — опыт работы в банках или финтех-компаниях Узбекистана Условия: — полная занятость — зарплата до 4000 USD на руки — Ташкент, работа из офиса — долгосрочный проект

Задачи: — Разработка и внедрение ML моделей на клиентской базе B2C и B2B для инвестиционных, страховых и сберегательных продуктов. — Работа с рекомендательными системами и моделями отклика для СберБанк Онлайн и СберИнвестиций. — Создание NLP-моделей на текстовых данных. — Использование продвинутых подходов классического ML, включая uplift-моделирование, работу с несбалансированными классами, feature engineering на больших данных, SOTA-алгоритмы. Обязанности: — Построение ML моделей на основе табличных данных, последовательностей событий (кликстрим, транзакции и т.д.), текстовых данных. — Написание production-ready кода и передача его в CI/CD пайплайн команды MLOps с ответственностью за качество кода и воспроизводимость. — Улучшение процесса построения моделей, разработка прикладных модулей командного фреймворка для повышения производительности DS и улучшения качества кода в промышленной среде. — Выдвижение data-driven гипотез и предложений для запуска новых механик, поиск инсайтов в данных. Требования: — Глубокое знание классического ML и опыт применения к реальным бизнес-задачам (градиентный бустинг, NLP алгоритмы). — Понимание основных Deep Learning подходов. — Продвинутое знание SQL (оконные функции, оптимизация плана запроса). — Отличное знание Python, включая библиотеки catboost, pandas, numpy, sklearn, torch. — Опыт работы с Hadoop, PySpark (оптимизация запросов, работа на общем кластере). Условия: — Комфортный современный офис рядом с м. Кутузовская. — Ежегодный пересмотр зарплаты, годовая премия. — Корпоративный спортзал и зоны отдыха. — Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития. — Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа. — Ипотека для сотрудников выгоднее до 4%. — Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров. — Вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Разрабатывать и внедрять ML-модели для прогнозирования поведения клиентов-физических лиц и розничного продуктового портфеля Банка — Рассчитывать ожидаемые денежные потоки по кредитным и пассивным продуктам Банка Требования: — Опыт работы в банковской сфере — Опыт разработки и внедрения ML-моделей от сырых данных до production — Работа с табличными данными — Свободное владение Python: Pandas, NumPy, Matplotlib (или аналогичными инструментами визуализации) — Знание SQL: оконные функции, сложные JOIN, оптимизация запросов к БД — Хорошее владение ML-библиотеками: CatBoost, LightGBM, XGBoost, Scikit-learn — Умение проводить стресс-тесты и А/В-тесты — Понимание особенностей розничных банковских бизнес-процессов — Преимуществом будет знание MLflow, Airflow, Butch Scoring, Docker, Spark / PySpark Условия: — Офисный формат работы — Офис в центре Москвы

Задачи: — Разработка моделей для рекомендательных систем CVM — Рекомендация персональных предложений в мобильном приложении, рекомендации докупа в корзине, рекомендации в карточке товара Требования: — Высшее образование — Навыки построения авторегрессионных моделей (семейство ARIMA, экспоненциальное сглаживание, Prophet и тд) и деревяных моделей (случайный лес, бустинги) в задачах прогнозирования — Высокий уровень Python, средний уровень SQL — Знание и опыт использования классических рекомендательных алгоритмов (матричная факторизация), а также более продвинутых (бустинги, нейронные сети) — Умение работать с очисткой от выбросов, сглаживания временного ряда — Приветствуется опыт работы с нейронными сетями в задачах прогнозирования Условия: — Работа в компании с мировыми стандартами и легендарной историей — Оформление в ИТ аккредитованную компанию — Интересные задачи и профессиональное развитие — Конкурентоспособный социальный пакет — Гибридный формат работы