Senior · Офис · Санкт-Петербург, Россия · Английский не нужен
Навыки
Bash / shell
Big Data
XGBoost / LightGBM / CatBoost
EdTech
Git
Hadoop
Linux
Ещё 10
LLM
Machine Learning
MVP и discovery
Pandas
Prompt engineering
Python
Retention и отток
scikit-learn
Spark
SQL
О компании и продукте
18 августа 2026 • г Санкт-Петербург • ПАО Сбербанк • Информационные технологии:Дата-сайентист
Команда разработала и внедрила большое количество ML моделей в процессы банка, наши модели улучшают клиенсткий опыт, помогают снизить отток и формируют персональные рекомендаций для клиентов. С помощью стека разработанных моделей, команда улучшает внутренние процессы банка, а так же платные продукты и сервисы для клиента. Мы ищем в команду ML инженера, который поможет лидировать направление разработки ML моделей в команде, улучшать стек текущих моделей и разрабатывать новые.
Задачи
погрузиться в процессы и продукты компании, с целью улучшения процессов с помощью ML
разрабатывать и тестировать новые гипотезы связанные с ML моделями на табличных данных
разрабатывать MVP решения с использованием LLM моделей (промпт-инжиниринг)
разрабатывать ML модели с учетом требований банка и последующего вывода их в ПРОД
готовить аналитику результатам работы моделей и презентовать ее заказчикам
участвовать в развитии ML инструментов и тех. стека Банка
Требования
опыт работы по направлению Data Science от 3х лет
знание Python ML стека (pandas / sklearn / catboost )
опыт использования LLM
умение переложить гипотезу с бизнес терминов на техническую реализацию
развитые коммуникативные способности для эффективного общения
знание SQL / Git / Pep8
Будет плюсом опыт
промышленной разработки на Python от 1 года
внедрения ML решений в бизнес процессы
работы с BigData стеком (Hadoop / PySpark)
работы с Linux, bash
Условия
удобный офис в СПб на ул. Уральской, дом 1 (с бесплатной развозкой от метро)
офисный формат работы
регулярный пересмотр заработной платы и возможность получения годовой премии
доступ к более чем 400 образовательным программам СберУниверситета
программу адаптации и поддержку наставника на первых этапах работы
расширенную медицинскую страховку (ДМС) и выгодные условия страхования для членов семьи
ипотечные программы для сотрудников
подписка Прайм с возможностью совместного использования на трёх близких
вознаграждения за рекомендации кандидатов
Паспорт вакансии
История публикации
Появилась в Вакандии26 дней
Перепубликациинетпубликовалась один раз
Проверяли на источникеВидели 25 дней назад
Среди похожихНет данных60 из 30 · у похожих вакансий почти одинаковый возраст — сравнивать нечего
Откуда что взялось
Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.
ГрейдSeniorвычитано из текста вакансии
Формат работыОфисвычитано из текста вакансии
ГеографияСанкт-Петербург, 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%