Ищем Data Scientist инженера в команду СБОЛа.Обязанности разрабатывать и внедрять классические ML-модели для улучшения ИИ-сценариев агентов и помощника (классификация интентов, предсказание следующего действия пользователя, детекция аномалий, ранжирование ответов). проводить исследовательский анализ данных (EDA) логов взаимодействий пользователей с мобильным приложением и помощником. формировать признаки (feature engineering) на основе событий в СберБанк Онлайн, истории операций, поведения в диалогах. участвовать в A/B-тестировании моделей: готовить данные, рассчитывать метрики, интерпретировать результаты. автоматизировать процессы валидации и переобучения моделей (пайплайны на Python/SQL). настраивать и обучать baseline-модели для задач LLM-приложений (например, рулевые модели, детекторы токсичности, классификаторы отказов). взаимодействовать с аналитиками и разработчиками для интеграции ML-решений в прод (через API или признаковые таблицы). анализировать качество работы ИИ-сценариев с точки зрения данных: полнота покрытия интентов, доля неуверенных ответов, корреляция с бизнес-метриками. участвовать в проработке метрик модели (precision, recall, F1, lift) и мониторинга дрейфа данных/таргета. Требования аналитика данных — уверенное владение SQL (PostgreSQL). Умение писать сложные запросы, оконные функции, агрегации. классический ML — деревья решений, случайный лес, градиентный бустинг (XGBoost / LightGBM / CatBoost), логистическая регрессия, кластеризация (KMeans, DBSCAN), снижение размерности (PCA). Python — pandas, numpy, scikit-learn, matplotlib/seaborn. Умение писать production-подобный код без Jupyter-грязи. понимание метрик ML — accuracy, precision, recall, ROC-AUC, PR-AUC, logloss, MSE/MAE для бизнес-кейсов. Feature engineering — работа с категориальными переменными, временными рядами, агрегатами событий. понимание жизненного цикла ML-модели (обучение, валидация, тестирование, мониторинг дрейфа). работа с логами и событиями — умение извлекать целевую переменную из сырых логов приложения и ИИ-помощника. Будет плюсом: опыт работы с Greenplum / Hadoop (Hive) / PySpark — для работы с большими объёмами логов мобильного приложения. базовое понимание LLM, RAG, эмбеддингов (например, уметь использовать sentence-transformers как источник признаков). знание, как оценить качество ИИ-агента не только моделью, но и пользовательскими метриками (CR, CSAT, retention). опыт в финтехе или продуктах с высокой нагрузкой и требованиями к безопасности/Опыт работы с мобильными приложениями понимание, как деплоить модель в виде микросервиса (Flask/FastAPI + Docker). Условия формат работы гибрид из Москвы офис Кутузовская 32к1 срочный трудовой договор (декретная ставка) на период от года стабильный оклад и социальная поддержка сотрудников расширенный ДМС с первого дня и льготное страхование для близких корпоративное обучение за счет компании бесплатную подписку СберПрайм+ и скидки на продукты компаний-партнеров мощное железо, дополнительные мониторы и всё, что нужно для продуктивной работы многофункциональный спортивный зал (бесплатно).
Похожие вакансии