Data Scientist (AmazMe)
Дорогой кандидат, мы – команда экспертов, объединенных общей страстью к искусственному интеллекту и рекомендательным системам (RecSys). Нашей главной задачей является создание современной, масштабируемой рекомендательной платформы, способн…
сбер · На сервисе с: 12.06.26 17:57
↑ Вакансия с автоподнятиемДорогой кандидат, мы – команда экспертов, объединенных общей страстью к искусственному интеллекту и рекомендательным системам (RecSys). Нашей главной задачей является создание современной, масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей и предлагать персонализированные рекомендации на каждом этапе их взаимодействия в Сбер.
Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения. Если вам близка идея участия в развитии рекомендательной системы, которая помогает миллионам пользователей, присоединяйтесь к нам!
Первый этап отбора на эту вакансию — общение с AI- рекрутером. После отклика вам на почту придёт приглашение пройти первичное интервью с ГиаРекрутером. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГиаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!
-
поиск подходящих ML решений для решения бизнес-задач, проведение оффлайн и онлайн (А/Б) экспериментов
-
разработка и улучшение ML-пайплайнов для задач RecSys: подготовка данных, обучение моделей, валидация и внедрение
-
анализ и работа с большими объёмами данных на PySpark
-
исследование и применение актуальных методик в области Data Science, Machine Learning и RecSys
-
взаимодействие с командой разработки и аналитики, генерация гипотез, участие в обсуждении решений и донесение результатов своей работы до команды.
-
опыт работы в области Data Science от 1 до 3 лет
-
интерес к рекомендательным системам, желание развиваться и постепенно брать на себя больше ответственности
-
практические навыки решения ML-задач: от подготовки данных и выбора алгоритмов до настройки гиперпараметров и оценки качества моделей
-
хорошая база в алгоритмах машинного обучения и интеллектуальном анализе данных; опыт применения классических ML- и/или DL-подходов будет преимуществом
-
хорошее знание Python и основных DS-фреймворков (PyTorch, PySpark и др.), понимание принципов написания качественного кода
-
способность самостоятельно разбираться в новых подходах, читать технические материалы на английском и применять их на практике.
-
гибридный/офисный формат работы (опционально). Офис расположен по адресу Нижний Новгород, Октябрьская, 35 лит. А
-
годовой бонус
-
расширенный ДМС с первого дня + стоматология и льготное страхование для семьи
-
корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
-
льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+, скидки от партнеров и сервисов группы компаний.
Похожие вакансии Data Science & ML
Привет! Это команда Внутренних сервисов.
Мы развиваем систему интеллектуального распознавания документов, которой пользуются внутренние сервисы компании. Система уже работает в проде и распознаёт 30+ видов документов.
Сейчас мы ищем Senior ML-инженера, который будет развивать существующий ML-продукт: улучшать качество распознавания и извлечения информации из документов, дообучать LLM под конкретные задачи и запускать новые сценарии в production.
Мы активно используем LLM — с их помощью решаем задачи, для которых раньше требовались сложные CV-пайплайны.
Наш стек
Python, PyTorch, Transformers, LLM, PostgreSQL, Redis, Kubernetes, Docker.
Вы будете
Развивать существующую систему распознавания документов и улучшать качество её работы.
Обучать и дообучать LLM под задачи распознавания, классификации, извлечения и структурирования информации из документов.
Исследовать новые подходы к применению LLM и выбирать модели и методы обучения под конкретные задачи.
Запускать ML-решения в production, анализировать их качество и улучшать существующие пайплайны.
Работать на стыке ML, NLP и Computer Vision: решать задачи обработки документов, где LLM дополняют или заменяют классические CV-подходы.
Примеры задач
Распознавание и парсинг сканов ЭТК — от паспортов до заграничных документов.
Классификация резюме и других документов.
Саммаризация документов.
Извлечение структурированной информации из неструктурированных документов с помощью LLM.
Дообучение LLM под конкретные задачи распознавания документов.
Исследование новых моделей и подходов, которые могут улучшить качество или упростить существующие решения.
Нам важно
Сильная база в Machine Learning и Deep Learning.
Практический опыт обучения и дообучения LLM.
Опыт работы с Python и современным ML-стеком.
Понимание подходов к оценке качества ML-моделей и умение анализировать результаты экспериментов.
Опыт внедрения ML-моделей в production.
Способность самостоятельно разбираться в новой задаче, выбирать подход к её решению и доводить результат до production.
Будет плюсом
Опыт работы с OCR и задачами распознавания документов.
Опыт в NLP и работе с LLM для извлечения и структурирования информации.
Опыт работы с Computer Vision.
Опыт использования LoRA, PEFT и других подходов к эффективному дообучению LLM.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.