Вакансии

— Строить сквозную аналитику: источники, партнёры, саб-ID, депозиты, бонусы, GGR/NGR. — Анализировать качество трафика и окупаемость партнёров при текущем CPA.

Location: Москва Наша команда занимается созданием следующего поколения интеллектуальных систем для анализа рисков. Среди наших проектов: * разработка NLP моделей на основе LLM, создание sota AI-агентов и мультиагентных систем для операционных и ESG-рисков * создание transformer-based моделей для решения банковских задач на финансовых данных; моделирование финансовых рынков с помощью машинного обучения * разработка классических ML-моделей для процесса кредитования, которые являются ядром бизнеса Сбера и ключевым драйвером прибыли. и сейчас наша команда в поиске талантливых стажеров трех направлений: Data Scientist, LLM-researcher, и Quant-Risks в Управление риск-моделирования. Обязанности * разработка моделей для автоматизации и оптимизации кредитных процессов * сбор, анализ и подготовка данных для моделирования * написание поддерживаемого, читаемого кода; участие в обсуждениях технических подходов * помощь в опромышливании результатов исследований * презентация результатов исследований бизнес-заказчиками. Требования * статус студента бакалавриата/магистратуры на момент трудоустройства * в области компьютерных наук, математики или другой релевантной области * знания в области теории вероятностей и математической статистики * отличные навыки программирования на Python, SQL. * знание библиотек Numpy, Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers, Pytorch * опыт разработки моделей машинного обучения (классический стек, NLP, DL). **Будет плюсом:** опыт работы с LLM, c большими данными (PySpark). Условия * формат работы: офис в г. Москва, рядом с м. Кутузовский пр. * гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю * возможность заниматься спортом в одном из спортзалов банка * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Наша команда занимается созданием следующего поколения интеллектуальных систем для анализа рисков. Среди наших проектов: * разработка NLP моделей на основе LLM, создание sota AI-агентов и мультиагентных систем для операционных и ESG-рисков * создание transformer-based моделей для решения банковских задач на финансовых данных; моделирование финансовых рынков с помощью машинного обучения * разработка классических ML-моделей для процесса кредитования, которые являются ядром бизнеса Сбера и ключевым драйвером прибыли. и сейчас наша команда в поиске талантливых стажеров трех направлений: Data Scientist, LLM-researcher, и Quant-Risks в Управление риск-моделирования. Обязанности * разработка моделей ценообразования и расчета риск-метрик для финансовых инструментов, а также подходов к управлению рыночными рисками * развитие передовых методов ИИ для финансов: генеративное моделирование мультимодальных данных (диффузия, VAE, LLM и др.), обучение с подкреплением * обозревать статьи и придумывать новые SoTA подходы для решения банковских задач на финансовых данных. Требования * статус студента бакалавриата/магистратуры на момент трудоустройства, образование с математическим уклоном * понимание финансовой математики: знания в области теории вероятностей и случайных процессов, математической статистики и эконометрики * свободное владение Python (NumPy, Pandas, PyTorch) * базовые знание ML/DL * знание классических методов ML, Deep Learning * знание современных генеративных моделей / RL-алгоритмы * знание архитектуры и принципов LLM. Условия * формат работы: офис в г. Москва, рядом с м. Кутузовский пр. * гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю * возможность заниматься спортом в одном из спортзалов банка * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Наши клиенты — акционеры, бизнес-блоки Банка и более 100 миллионов клиентов Сбербанка! Мы создаём риск-инфраструктуру для устойчивого роста бизнеса, развиваем аналитическую платформу данных и переводим на AI-алгоритмы принятие кредитных решений. Наши IT-решения контролируют качество кредитного портфеля, автоматизируют процессы реструктуризации, урегулирования и сбора просроченной задолженности, контролируют алготрейдинг, рассчитывают оптимальный уровень рисков, управляют жизненным циклом моделей. Обязанности ### Задачи: * уточнение постановки задачи для определения оптимального состава данных для выборки * коммуникации с экспертным сообществом Банка для идентификации необходимых систем-источников и особенностей хранения данных внутри них * извлечение данных из источников * разработка и документирование детерминированного алгоритма трансформации и очистки данных * контроль качества выборки * разработка регулярно обновляемых витрин. Требования ### Мы ждем тебя, если ты: * сейчас обучаешься на 4 курсе бакалвриата или являешься студентом магистратуры (ИТ направления) * знаешь SQL: сложные запросы, аналитически функции, понимание физической реализации join’ов, оптимизация производительности запросов * имеешь базовые знания python * обладаешь аналитическим складом мышления, умеешь быстро погружаться в новые предметные области. Условия * офисный формат работы рядом с м. Кутузовская или м. Тульская * гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю * стажировка длительностью от 3 до 6 месяцев с возможностью перехода в штат компании * возможность пройти обучение по интересующим тебя направлениям soft и hard skills в виртуальной школе Сбера и на специальных тренингах * возможность заниматься спортом в одном из спортзалов банка.

Location: Москва Наша команда занимается созданием следующего поколения интеллектуальных систем для анализа рисков. Среди наших проектов: * разработка NLP моделей на основе LLM, создание sota AI-агентов и мультиагентных систем для операционных и ESG-рисков * создание transformer-based моделей для решения банковских задач на финансовых данных; моделирование финансовых рынков с помощью машинного обучения * разработка классических ML-моделей для процесса кредитования, которые являются ядром бизнеса Сбера и ключевым драйвером прибыли. и сейчас наша команда в поиске талантливых стажеров трех направлений: Data Scientist, LLM-researcher, и Quant-Risks в Управление риск-моделирования. Обязанности \- разработка PoC и MVP AI-агентов на основе LLM с использованием фреймворков для работы с LLM, таких как langchain/langgraph \- адаптация и обучение LLM Сбера с использованием внутренних и внешних данных (Prompt Tuning, LoRA, SFT, GRPO) \- применение RL подхода для улучшения reasoning способностей модели. Требования * статус студента бакалавриата/магистратуры на момент трудоустройства * знание статистики и ML/DL алгоритмов * знание Python и ML-стэка (PyTorch, Scikit-learn, Pandas) * понимание как устроен современный NLP (токенизация, обработка данных, эмбеддинги, pre-train модели и тд) * опыт проектирования и обучения нейросетевых моделей (от CNN/RNN до трансформеров) * опыт построения RAG (классический RAG, GraphRAG, Agentic RAG) * знание классических алгоритмов (two pointers, бинарный поиск) и структур данных (куча, стэк, бинарное дерево) * уверенный английский язык для чтения и анализа научных статей и документации Условия * формат работы: офис в г. Москва, рядом с м. Кутузовский пр. * гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю * возможность заниматься спортом в одном из спортзалов банка * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Наша команда занимается оценкой и управлением модельных рисков различных AI-решений Банка. Наши сотрудники участвуют в проектах по улучшению моделей машинного обучения, AI-агентов и оптимизации их применения в бизнес-процессах Сбера. Мы создаем инструменты для мониторинга, управления и снижения модельного риска по всем бизнес-направлениям. Открытая вакансия находится на стыке DS и дата-аналитики, успешный кандидат значительно расширит кругозор в части того, какие ML-модели и AI-агенты работают в ПРОМ процессах и как влияют на бизнес Банка. _Мы:_ * _мониторим и валидируем все значимые ML-модели и AI-агентов Сбера, влияющих на финансовый результат. Мониторинг/валидация - всесторонняя проверка модели, включая попытки по автоматическому построению лучшего альтернативного AI-решения, челлендж подхода._ * _разрабатываем и автоматизируем методы для мониторинга/валидации Ai-решений различных классов_ * _строим систему отчетности для управления модельным риском._ Обязанности * разбираться в результатах работы различных ML-моделей и AI-агентов, анализировать влияние моделей на бизнес-процессы Банка, искать возможные ошибки и проблемы в моделях * разбираться в структуре различных моделей, тестировать корректность AI-решений, челленджить подход разработчика, разрабатывать альтернативные алгоритмы (внутренний Kaggle), оценивать применимость подхода с учетом имеющихся норм и макроэкономической конъюнктуры * исследовать подходы к моделированию и валидации различных классов моделей, определять их методологию * автоматизировать алгоритмы валидации для внедрения в процессы автомониторинга * разрабатывать и автоматизировать подходы по нахождению ошибок в коде внедрения моделей и минимизации возникновения инцидентов операционного риска. Требования * статус студента бакалавриата/магистратуры на момент трудоустройства * знание машинного обучения и статистического анализа * знание мат. статистики, алгоритмов, структур данных * опыт работы с LLM и агентными системами через API * знание Python и основных библиотек анализа данных * знание SQL, навыки работы с базами данных * опыт работы в рисках, знание основ управления рисками в Банке * коммуникабельность, умение эффективно вести переговорный процесс с подразделениями Банка * большой плюс: опыт работы с регуляторными моделями Basel * большой плюс: опыт модельной аналитики и управления модельным стэком в бизнес-процессе * навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом. Условия * гибкий график и возможность совмещать с учебой: от 20 до 40 часов в неделю * возможность заниматься спортом в одном из спортзалов банка * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Помогать в разработке оптических коммуникационных связей между электроникой при комнатной температуре и криогенным квантовым оборудованием, исследовать, как фотоника может поддержать масштабирование сверхпроводящих квантовых компьютеров. — Основное внимание уделять созданию и эксплуатации экспериментальной платформы в разбавительном холодильнике. — Характеризовать устройства, исследовать шум и оценивать влияние оптических соединений на управление кубитами, считывание и точность операций. — Тесно сотрудничать с руководителем команды и исследовательскими партнерами, вносить вклад в технические решения по будущему стеку управления. — Строить и развивать экспериментальную платформу для сверхпроводящих квантовых вычислений с оптическими коммуникационными связями. — Проектировать и проводить эксперименты в разбавительном холодильнике, включая оптические сигнальные пути, замену и монтаж образцов, оптимизацию радиочастотной и микроволновой среды с учетом теплопроводности и бюджета диссипации, а также автоматизацию измерений. — Характеризовать оптические и криогенные электронные компоненты, включая криогенные фотодиоды, лазеры и модуляторы. — Разрабатывать эксперименты для демонстрации и характеристики одно- и двухкубитных вентилей и считывания кубитов с использованием оптических соединений. — Моделировать и анализировать точность вентилей, шум, дрейф и диссипацию для выявления ограничений и поиска способов улучшения производительности. — Оценивать технологические варианты и требования к масштабируемости для стека управления квантовым компьютером и сигнального пути. — Документировать результаты и сообщать о находках коллегам, техническим руководителям и внешним исследовательским партнерам. — Отвечать за технический вклад в грантовые проекты, включая отчетность, предложения и координацию с партнерскими компаниями и институтами. Требования: — Докторская степень (PhD) в области прикладной физики, электротехники или смежной области. — Не менее пяти лет соответствующего академического или промышленного опыта в электронике, фотонике или квантовых вычислениях. — Практический опыт проведения квантовых или активных электронных экспериментов в разбавительном холодильнике. — Способность самостоятельно настраивать, устранять неполадки, проводить и документировать эксперименты, включая работу с разбавительным холодильником и установку образцов. — Опыт работы с радиочастотным и микроволновым измерительным оборудованием, таким как анализаторы цепей и генераторы импульсов. — Навыки программирования на Python для научного программирования, автоматизации измерений и анализа данных. — Понимание аналоговой и цифровой электроники, включая шум, дрейф, отношение сигнал/шум и пропускную способность. — Свободное владение английским языком в письменной и устной форме, способность объяснять технические результаты и координировать работу с внутренними и внешними заинтересованными сторонами. Преимущества: — Опыт работы с сверхпроводящими кубитами, квантовой электродинамикой цепей, управлением или считыванием кубитов. — Опыт работы с фотоникой, оптическими соединениями или микроволновой фотоникой. — Опыт характеристики криогенных фотодиодов, крио-CMOS устройств или других криогенных электронных компонентов. — Знакомство с EXA или аналогичными инструментами для экспериментов с квантовыми процессорными устройствами. — Опыт участия в исследовательских грантах, совместных проектах или технических предложениях.

Развитие и поддержка систем развертывания веб-сервисов компании; Выстраивание процесса CI/CD.

-Обеспечение качества продукта Terraform (покрытие тестами провайдера), контроль расширения процента покрытия. -Написание автоматизированных тестов для Terraform Provider/CLI/SDK (E2E и интеграционные сценарии).

Location: Москва Мы ищем сильного бэкенд-разработчика, который будет отвечать за архитектуру и надежность сервисов и пайплайнов обучения ML-моделей Обязанности * разработка системного дизайна сервисов с нуля и выбор оптимальных компонентов (БД, очереди, кэши, векторные хранилища) под конкретные задачи * написание высоконагруженного и отказоустойчивого кода на Python * создание внутренних библиотек и фреймворков для упрощения работы с обучением ML-моделей * разработка пайплайнов для инференса моделей (включая LLM), управление контекстом, работа с API внешних провайдеров и локальных моделей * траблшутинг сложных проблем на стыке инфраструктуры и ML * настройка мониторинга, логирования и алертинга для сервисов * самостоятельный сбор и анализ требований от стейкхолдеров, превращение бизнес-задач в технические решения * проведение code review, помощь команде в вопросах архитектуры и лучших практик Python. Требования * опыт коммерческой разработки на Python от 5 лет (AsyncIO, Многопоточность, FastAPI, Django, Flask или аналоги) из них 1 год в ML * глубокое понимание принципов построения распределенных систем, опыт проектирования отказоустойчивых архитектур (микросервисы, event-driven, паттерны работы с отказами) * понимание GIL, async/await, работа с памятью, умение писать чистый, тестируемый и переиспользуемый код (библиотеки) * понимание того, как работают ML-модели и LLM (эмбеддинги, RAG, fine-tuning, контекстное окно), умение выбрать подходящий инструмент (LangChain, vLLM и т.д.) * опыт работы с Docker, Kubernetes, CI/CD * понимание принципов мониторинга (Prometheus, Grafana, Sentry) и умение диагностировать проблемы в проде * проактивность, умение работать в условиях неопределенности, способность самостоятельно находить требования и предлагать решения * будет плюсом опыт работы с векторными базами данных (Qdrant, Milvus, pgvector) и понимание MLOps-практик (MLflow, Clearml, Airflow, Feature Store). Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * 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 * вознаграждение за рекомендацию друзей в команду Сбера.

составлять тест-планы и тест-кейсы в условиях постоянно растущей функциональности; регистрировать и классифицировать найденные дефекты, а также контролировать их исправление;

Разработка автоматизированных сценариев и инструментов, облегчающих тестирование и анализ эффективности антивируса. Ручной и автоматизированный поиск дефектов в разрабатываемом ПО, разработка PoC-эксплойтов.

- Поэтапный перевод системы с графа сценариев и скиллов на управляемый LLM-based диалог; - Дебаг голосового пайплайна (поиск причин high latency, галлюцинаций LLM, проблем с передачей аудио, графовых ошибок и т.п.);

-Инфраструктура и высоконагруженный инференс (Platform Engineering): -Проектирование и поддержка GPU-кластера инференса (Nvidia) для десятков тысяч пользователей: скалирование, балансировка и приоритизация запросов, пользовательские лимиты.

• Опыт работы в сфере системного анализа, построения хранилищ данных, анализа данных: не менее 3 лет. • Опыт работы в Каталоге данных.

- Поддержка работоспособности и отказоустойчивости сервисов и компонентов платформы; - Автоматизация процесса подготовки окружений, тестовых сред, сборки и развертывания приложений;

Анализ кода и функциональности вредоносных объектов под Windows, Linux и macOS; Добавление записей о вредоносных объектах в антивирусные базы;

4+ года коммерческого опыта в Data Engineering. Уверенное знание AWS: S3, Glue, Athena, Lake Formation/IAM, Lambda, Step Functions.