
Мы делаем ML-продукт аналитики деятельности компаний, которые работают с зарубежными партнерами: он прогнозирует их валютные операции и предлагает подходящие продукты банка. Ищем инженера-исследователя, который проведет задачу от гипотезы…
Мы делаем ML-продукт аналитики деятельности компаний, которые работают с зарубежными партнерами: он прогнозирует их валютные операции и предлагает подходящие продукты банка. Ищем инженера-исследователя, который проведет задачу от гипотезы до прототипа и передаст лучшее решение в разработку.
разбираться в задаче вместе с владельцем продукта и аналитиками: что нужно клиенту и какие ограничения у данных
быстро проверять гипотезы на данных, а не на интуиции: от постановки эксперимента до прототипа и демо для заказчика
выбирать подход под задачу: классический ML, временные ряды, LLM, RAG, агенты или их связку. Сравнивать варианты по качеству, устойчивости, стоимости, скорости и сложности вывода в продакшен
проектировать агентов поверх ML-моделей: какие у них инструменты и память, как они собирают контекст и проверяют ответы
передавать лучшее решение в разработку так, чтобы его легко было тиражировать.
опыт внедрения ML-решения с нуля до продакшена
python (pandas, numpy) и SQL, продвинутые навыки построения воспроизводимых пайплайнов
глубокие знания классического ML на табличных данных: бустинг, линейные модели, sklearn, отбор признаков. Навыки работы с PyTorch или аналогом и понимаете, когда DL дает выигрыш
рабата с LLM: промпты, RAG с эмбеддингами и reranking, tool calling, агенты.Знаете типичные сбои вроде галлюцинаций и умеете их ограничивать. оцениваете ответы и агентов целиком через golden set и LLM-as-a-judge, следите за регрессиями качества, latency и стоимостью вызова
умение строить A/B-тесты и офлайн-сравнения: гипотеза, выборки, бейзлайн, абляции, вывод «берем / не берем». Ведете эксперименты в MLflow или аналоге, версионируете данные и промпты
понимаете, когда хватает классического ML, когда нужна LLM
умеете коротко объяснить, что проверили, почему выбрали этот подход и какие риски остались.
Будет плюсом:
опыт в ВЭД: платежи, валютные потоки, внешнеторговые операции, продукты
сами строили AI-агентов и агентные системы.
комфортный современный офис г. Москва, Кутузовский 32
офисный формат работы
ежегодный пересмотр зарплаты, годовая премия
корпоративный спортзал и зоны отдыха
система обучения для профессионального и карьерного развития
расширенный полис ДМС с первого дня работы и страхование для семьи
программа ипотеки для сотрудников
подписка Прайм с возможностью совместного использования на трёх близких
вознаграждение за рекомендацию друзей в команду Сбера.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.