Senior Data Scientist (Торговое финансирование)

Навыки

• AI-агенты
• API (интеграции)
• Работа с бэклогом
• Анализ данных
• Дисциплина
• EdTech
• Дообучение моделей

О компании и продукте

• Senior Data Scientist (Торговое финансирование)
• 10 августа 2026 • г Москва • ПАО Сбербанк • Информационные технологии:Дата-сайентист
• Наша команда развивает LLM- и AI-agent решения для продуктов торгового финансирования и факторинга.

Задачи

• проектировать архитектуру агентов: декомпозиция задачи на узлы и саб-агентов, управление состоянием, маршрутизация, tool calling и взаимодействие с внешними сервисами
• разрабатывать агентные workflow для сложных бизнес-процессов, в том числе связанных с документами, базами знаний и данными клиента
• развивать RAG и retrieval-механизмы: поиск, reranking, управление контекстом, работа с большими и неоднородными базами знаний
• проектировать prompts, context engineering и structured output для устойчивой работы LLM
• создавать механизмы evaluation агентных систем: offline-наборы, автоматические метрики, LLM-as-a-judge, регрессионное тестирование, анализ ошибок
• повышать качество и надёжность агентов: бороться с галлюцинациями, нестабильностью поведения, ошибками маршрутизации и tool calling
• оптимизировать latency, стоимость и количество токенов, выбирать модели под конкретные этапы сценария
• доводить решения до production и сопровождать их после запуска
• участвовать в проработке бизнес-сценариев и переводить бизнес-задачу в архитектуру AI-решения

Требования

• 3+ года в Data Science / ML / NLP, включая практический опыт разработки решений на базе LLM
• опыт создания LLM-систем, которые дошли до production, а не только PoC или pet-project
• практический опыт разработки RAG- или agentic-систем
• хорошее понимание принципов работы современных LLM: контекст, prompting, structured generation, ограничения и типичные failure modes
• опыт построения сложных workflow: state management, routing, retries, fallbacks, tool calling
• умение системно оценивать качество LLM-решений: формировать датасеты, метрики, eval-пайплайны и анализировать ошибки
• хороший Python и инженерная культура: тестируемый код, понятные интерфейсы, документация
• понимание production-аспектов LLM-систем: observability, logging, latency, стоимость, отказоустойчивость
• опыт интеграции ML/LLM-решений с внешними API и корпоративными сервисами

Будет плюсом

• опыт построения мультиагентных систем и автономных workflow
• опыт разработки переиспользуемых компонентов / платформ для создания агентов
• опыт работы с document AI: классификация документов, extraction, OCR / multimodal LLM
• опыт работы с guardrails и LLM security: prompt injection, data leakage, разграничение доступа к инструментам и данным
• опыт применения human-in-the-loop подходов в критичных бизнес-процессах
• опыт оптимизации стоимости и задержек LLM-систем: model routing, caching, batching, управление контекстом
• опыт с ML/LLMOps и системами трассировки / мониторинга LLM-приложений
• опыт с SFT / LoRA / другими подходами к адаптации моделей под прикладные сценариию

Условия

• комфортный современный офис рядом с м. Кутузовская, ул. Кутузовский проспект 32, формат работы - гибрид
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная програма
• бесплатная подписка Прайм
• вознаграждение за рекомендацию друзей в команду Сбера

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.