Middle · Офис · Москва, Россия · Английский не нужен
Навыки
AI-агенты
B2C-продажи
Big Data
Решения на данных
Hadoop
Machine Learning
MLOps
Ещё 3
Python
PyTorch
Spark
О компании и продукте
Data Scientist (Recommendation Systems)
05 июня 2026 • г Москва • ПАО Сбербанк • Информационные технологии:Дата-сайентист
ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.
Задачи
разработка и внедрение ML-моделей для рекомендательных систем (классические и нейросетевые подходы)
проведение R&D-работ: исследование SoTA-архитектур, постановка и реализация экспериментов с последующим опромышливанием
глубокий анализ поведенческих данных пользователей, формирование data-driven гипотез для развития рекомендательных стратегий
участие в построении и оптимизации пайплайнов обработки больших данных (Spark, Hadoop)
интеграция моделей в прод с использованием MLOps-практик
Требования
опыт коммерческой разработки в области ML от 3 лет с подтверждёнными внедрениями
уверенное владение Python, навыки написания production-ready кода
глубокое знание Classic ML, умение формализовать бизнес-задачу в ML-постановку
практический опыт с Big Data-инструментами (Spark, Hadoop)
понимание принципов MLOps: развертывание, мониторинг, управление версиями моделей
Желательно
знание генеративных AI-моделей, опыт создания AI-агентов будет преимуществом
опыт построения рекомендательных систем (ALS, LTR, Sequential Recommendations, GNN)
разработка DL-моделей на PyTorch
решение задач поиска или рекламного аукциона
Условия
конкурентная заработная плата с регулярным пересмотром
современный офис бизнес-класса в Москве (м. Кутузовская)
расширенный ДМС с покрытием чекапов, лазерной коррекции зрения и психотерапии
корпоративные программы фитнеса и спортивных мероприятий
оплата профильного обучения, курсов и участия в конференциях
льготные условия по ипотечному и потребительскому кредитованию в Сбере
стабильность и социальные гарантии крупнейшего работодателя страны
Паспорт вакансии
История публикации
Появилась в Вакандии27 дней
Перепубликациинетпубликовалась один раз
Проверяли на источникеВидели 25 дней назад
Среди похожихНет данных78 из 30 · у похожих вакансий почти одинаковый возраст — сравнивать нечего
Откуда что взялось
Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.
ГрейдMiddleвыведено из другого признака
Формат работыОфисвычитано из текста вакансии
ГеографияМосква, Россиявычитано из текста вакансии
Зарплатане указана
Почему на этом месте в выдаче
Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.
Полнота карточки753 из 4 полей: грейд, формат, география, зарплата
Зарплата названа0вилки нет вовсе
Проверка Вакандии
Источники и свежесть
Тип источника
Карьерный сайт работодателя
Найдено публикаций
1
Посмотреть публикации и даты
careerОсновная публикация · дата неизвестна
С
Работодатель
Сбер
50 активных вакансий · вилка работодателя указана в 37%