ML/DS разработчик-стажер (Python)

Наша команда создает и внедряет алгоритмы, которые улучшают экономику компании: предлагают клиентам более выгодные условия, увеличивают прибыль бизнеса и повышают доходность партнерских размещений. Мы развиваем решения в области кэшбэка, ценообразования, рекламы и финтеха.

Основные направления работы команды:

1. Динамическое ценообразование и оптимизация промо. Определяем, кому, на какие покупки и в каком размере предлагать кэшбэк и скидки, учитывая цели бизнеса. Например, разрабатываем алгоритмы, которые увеличивают выручку без снижения маржинальности. Переходим от простых эвристик к uplift-моделям и RL и развиваем инфраструктуру для работы этих решений.

2. Рекламные алгоритмы. Развиваем аукцион и алгоритмы принятия решений внутри него, внедряем CPA-модель в партнерские размещения, разрабатываем рекомендации по ставкам и лимитам кэшбэка.

3. Оптимизация маркетингового бюджета. Развиваем MMM, модели атрибуции и причинно-следственные методы оценки инкрементальности каналов. Оцениваем вклад маркетинга в рост бизнеса и перераспределяем бюджеты в каналы с максимальным ROI.

4. Поиск и создание новых механик роста. Формулируем гипотезы на основе продуктовых исследований и A/B-экспериментов, руководим разработкой новой функциональности и механик, доводим лучшие решения до запуска.

• Переводить бизнес-задачи в математические модели и ставить задачи для их решения с помощью методов Data Science
• Исследовать данные и определять, как развивать продукт и бизнес-направление
• Разрабатывать, валидировать и внедрять модели, которые влияют на продуктовые и бизнес-метрики
• Оценивать риски и контролировать качество решений, в том числе статистическую корректность моделей
• Адаптировать современные научные методы и подходы из исследований — SOTA — для использования в продукте
• Общаться с продуктовыми, инженерными и аналитическими командами

• У вас есть опыт внедрения моделей в продакшн вместе с MLE и разработчиками
• Работали с большими объемами данных с помощью SQL, Python и Spark, строили и оценивали качество моделей
• Знаете математическую статистику, теорию вероятностей и методы машинного обучения
• Умеете переводить бизнес-задачи в математические модели с учетом ограничений
• Оцениваете риски, контролируете ошибки и проверяете качество решений без внешнего ревью
• Можете объяснить сложные технические идеи коллегам без технического бэкграунда

• Работу в офисе или удаленно — по договоренности
• ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней
• Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью
• Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи
• Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
• Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами
• Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию
• Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров
• Достойную зарплату — обсудим ее на собеседовании

В ИТ‑командах банка ПСБ и дочерней ИТ‑компании ПСБ Лаб уже более 4000 сотрудников. Мы разрабатываем и внедряем финтех продукты и приложения для клиентов, сопровождаем сложные ИТ‑системы банка и входим в тройку цифровых банков России.

Ключевые задачи:

• Разработка ML-решений: Полный цикл создания моделей (кластеризация, прогнозирование, рекомендательные системы, оптимизация) от гипотезы до продвинутого продакшена.
• Работа с Big Data: Извлечение, агрегация и feature engineering из терабайтов сырых данных (SQL).
• Продакшн: Развертывание моделей, мониторинг дрифта и ретрининг.
• Аналитика: Поиск бизнес-инсайтов через A/B тесты, казуальный анализ и исследовательский анализ.
• Менторство: Рецензирование кода джуниоров, управление техническим бэклогом и best practices команды.

Что важно для нас:

• От 3–5 лет коммерческого DS/ML (из них 1+ год в роли сеньора).
• ML: Глубокое знание классических алгоритмов (XGBoost, LGBM), градиентного бустинга, временных рядов.
• Программирование: Python (Senior уровень) — Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow, Чистый, модульный код.
• Data: Продвинутый SQL (оконные функции, оптимизация запросов).
• Опыт с ClickHouse, Snowflake, BigQuery, Dask или Spark (PySpark).
• Инженерия: Git, базовые знания Airflow/Kubeflow.
• Статистика: p-value, мощности теста, бутстрэп, A/B тесты на несбалансированных данных.

Что предлагаем:

• График работы: 5/2 (пн-чт с 09:00 до 18:00, пт до 16.45).
• Гибридный формат работы.
• Официальное оформление в соответствии с ТК РФ.
• Конкурентный уровень дохода.
• Доплата к отпуску и больничному листу.
• «Кафетерий льгот»: ДМС для работника и членов семьи, возмещение затрат на отдых, спортивные услуги, покупки на маркетплейсе «ПСБ Маркет».
• Дополнительные льготы при заключении брака и рождении детей.
• Материальная поддержка в определенных жизненных ситуациях.
• Бесплатная программа поддержки работников: юридические, финансовые и психологические консультации, помощь в бытовых вопросах, автопомощь, корпоративные скидки, профориентация детей работников.
• Возможность профессионального развития и прохождения внутреннего и внешнего профессионального обучения.
• Корпоративная паритетная пенсионная программа.

Наша NLP команда занимается задачами, связанными с извлечением информации из документов, диалогов, текстов различной природы.

Главной задачей для нас является создание готовых продуктов с LLM под капотом, а также создание self-service для бизнеса, где каждый может создать нужный ему сценарий (скилл) в режиме No-code.

• проектировать и калибровать judge-пайплайны: рубрики, эталонная разметка, согласованность с людьми, борьба с позиционным bias и bias по длине

• строить RAG-поиск для дублей и противоречий: чанкинг, гибридный поиск, реранкинг, проверка противоречий на уровне утверждений

• делать регресс-тесты знаний: golden set, пороги, прогон на каждое изменение промпта или модели

• ловить галлюцинации: извлечение утверждений, привязка к источнику, верификация

• дообучать и дистиллировать judge-модели, чтобы снизить цену и задержку без потери качества

• собирать мультиагентные пайплайны с guardrails и контролем стоимости прогона.

• высшее образование: математика, физика, информатика или профильный data science

• 5+ лет в ML, из них не меньше полутора лет с LLM в проде

• RAG в продакшене, а не демо: с метриками качества, нагрузкой и историей улучшений

• Fine-tuning: SFT, LoRA/QLoRA, желательно DPO. И понимание, когда дообучение не нужно

• опыт построения и калибровки LLM-as-judge. Знаете, как judge врёт и как это ловить

• Guardrails и детекция галлюцинаций

• мультиагентные пайплайны: оркестрация, обработка отказов, ограничение стоимости

• Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл

• английский для чтения статей и документации

• специфика банка: много контрагетов, с ними нужно иногда коммуницировать.

Будет плюсом

• опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища

• графы знаний и онтологии

• NLI, извлечение фактов, работа с разметчиками

• публикации, доклады, open source.

• гибридный формат работы

• годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• регулярные митапы и развитое DS-community

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбер.