Мы строим высоконагруженные production-grade ML-системы для обеспечения банковской безопасности. Наш фокус: антифрод, управление рисками, обнаружение аномалий и оптимизация бизнес-процессов. Внедряем различные решения – от классического ML до state-of-the-art архитектур в DL. Ищем опытного DS, который умеет не только обучать модели, но и отвечать за их жизненный цикл в проде. Обязанности Cоздание моделей: - Разработка алгоритмов. Работа как с классикой (LightGBM/CatBoost), так и современным стеком (LLM-агенты, RAG-системы) Раскатка моделей в прод: - Упаковка моделей в Docker - Настройка CI/CD пайплайнов - Версионирование данных, моделей и артефактов в MLflow - Деплой в Kubernetes Настройка процессов: - Проектирование end-to-end пайплайнов (от сырых логов до сервиса) - Cборка данных из SQL/NoSQL баз - Проектирование витрин признаков (Feature Engineering) - Автоматизация переобучения моделей в Airflow - Работа с потоковыми данными в Kafka Мониторинг: - Настройка мониторинга data drift и model decay - Логирование экспериментов (MLflow) - Анализ данных и валидация моделей Ифраструктура и интеграция: - Совместная работа DevOps/Backend по интеграции моделей в микросервисную архитектуру Требования DS-бэкграунд: - Опыт работы DS/DE от 3-х лет (с подтверждённым опытом вывода моделей в прод) - Понимание математики классического ML и архитектуры нейросетей (PyTorch/TF) - Мультидоменная экспертиза: минимум в 2 доменах (CV, NLP/LLM, TS, RL, RS, Audio). Инженерная база: - Уверенный Python (чистый код, знание numpy/pandas/scikit-learn) - Понимание микросервисной архитектуры и работы с очередями (Kafka) MLOps-инструментарий: - Опыт работы с Airflow (оркестрация), MLflow (трекинг), Docker/K8s (контейнеризация) - Опыт использования систем контроля версий Git/Bitbucket Data & Infra: - Уверенное владение SQL (сложные джойны, оконные функции, оптимизация запросов) и знакомство с Big Data стеком (Spark, Hadoop) - Умение решить любую несложную инфраструктурную задачу, с которой не работал(а) ранее Будет плюсом: - Опыт с LLMs (fine-tuning, RAG, evaluation via RAGAS/DeepEval, vLLM). - Глубокая экспертиза в узком домене из списка - Опыт работы с Kafka/Spark - Уверенный опыт с LangChain, LangGraph, function calling - Законченный ШАД / OZON Masters / AI Masters Условия Инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти; Среда для обмена знаниями – высокая экспертиза внутри команды; Сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать; Нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам Стабильная заработная плата и годовой бонус; Полностью офисный формат работы. Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом; 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; Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров; Вознаграждение за рекомендацию друзей в команду Сбера.
Похожие вакансии