СБЕР

AI Researcher

Приглашаем исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ.

СБЕР

↑ Вакансия с автоподнятием
Зарплата не указанаРоссияМоскваГибрид

Приглашаем исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ.

Центр практического искусственного интеллекта - стратегическое подразделение Сбера, создающее наукоемкие технологии.

Мы создаем новые алгоритмы рекомендательных систем и адаптируем SOTA-подходы для задач банка и компаний-партнеров, помогаем бизнесу внедрять новые технологии. Также мы разрабатываем собственные open-source фреймворки и публикуем результаты наших исследований на международных конференциях уровня A/A*.

Приглашаем присоединиться к исследованиям и прикладным проектам в области рекомендательных технологий, DL-моделей для последовательных данных и подходов на стыке LLM и RecSys.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в сберчате, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Наши задачи:

  • развиваем библиотеку для рекомендательных систем RePlay https://github.com/sb-ai-lab/RePlay
  • разрабатываем и улучшаем алгоритмы рекомендательных систем
  • разрабатываем и обучаем трансформерные модели на последовательностях событий
  • проводим исследования в области sequential recommendations, LLM для рекомендаций, foundation models для событийных данных
  • пишем статьи и выступаем на ведущих мировых и российских конференциях.

Мы ожидаем:

  • опыт работы от 2 лет в области, связанной с RecSys / DL / NLP
  • умение писать читаемый и хорошо структурированный код на python
  • умение работать с git
  • знание стандартных библиотек и фреймворков (numpy, pandas, polars, scikit-learn, pytorch, pytorch-lightning, transformers)
  • навыки организации и воспроизводимого проведения ML-экспериментов (Hydra, Сlearml, Mlflow, W&B, Neptune)
  • опыт разработки и обучения моделей с помощью pytorch
  • знание математики, глубокое понимание классического ML и современных методов DL, широкий кругозор в ML в целом
  • понимание современных Transformer-based архитектур для работы с последовательностями
  • знание ключевых рекомендательных подходов и методов их оценки
  • умение читать, анализировать и воспроизводить научные статьи.

Будет плюсом:

  • опыт успешного участия в ML соревнованиях и хакатонах
  • опыт написания научных статей, наличие публикаций
  • понимание принципов работы современных LLM и LLM-агентов.

Мы предлагаем:

  • комфортный современный офис г. Москва, рядом с метро Кутузовская
  • гибридный формат работы
  • ежегодный пересмотр зарплаты и годовая премия
  • корпоративный спортзал и зоны отдыха
  • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
  • 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 Сбера.

Похожие вакансии Data Science & ML

Сайты компаний

Reinforcement Learning Engineer - Locomanipulation

Автоподнятие
Зарплата не указанаВеликобританияLondon
Текст:
Оригинал доступен только пользователям с подпиской

Location

Based in London, UK, with work on real robotic hardware and large-scale simulation.

About the company

A robotics company developing commercially scalable, safe •••••••• robots for industrial deployment, with continuous iteration between simulation and hardware experiments.

Responsibilities

  • Design and train reinforcement learning policies for dynamic locomotion, balance recovery, contact-rich manipulation, and multi-behavior control on •••••••• robots
  • Build scalable simulation and training pipelines, including reward functions, observation spaces, and curricula
  • Improve policy robustness and sim-to-real transfer, then deploy and evaluate policies on real robotic systems
  • Integrate learned policies into the robot control stack in collaboration with controls and robotics engineers

Requirements

  • MS or PhD in robotics, machine learning, computer science, or a related field
  • Strong reinforcement learning experience (e.g., PPO, SAC, offline RL) applied to robotics or physical systems
  • Hands-on deployment of learned policies on real robotic systems and work with physics-based simulators such as Isaac Lab or MuJoCo
  • Strong Python and/or C++ programming skills; experience with locomotion, legged robots, sim-to-real transfer, or whole-body control is a plus
Сайты компаний
т-банк

Data Scientist в команду антифрода

т-банкАвтоподнятие
Зарплата не указанаРоссияМосква

Команда оценки благосостояния занимается разработкой алгоритмов оценки платёжеспособности клиентов, чтобы принимать более точные и честные решения по кредитам. Наша работа лежит в основе скоринга, верификации и персонализации финансовых продуктов. Мы стремимся повысить эффективность процессов, снизить риски и одновременно расширить доступ к кредитам для добросовестных клиентов

  • Оценивать платёжеспособность клиентов, исследовать источники данных, строить модели оценки дохода и кредитной нагрузки, внедрять их в скоринг
  • Сегментировать клиентов по уровню благосостояния, использовать данные экосистемы для ранжирования и персонализации решений.
  • Проверять гипотезы, применять A/B-тестирование, методы прикладной статистики и ML-подходы
  • Оптимизировать ручные проверки — определять, кто действительно нуждается в ручной верификации, чтобы снизить нагрузку на операции и повысить прибыль
  • Строить модели оценки дохода и благосостояния клиентов
  • Знание теории вероятностей
  • Знание математической статистики и классических методов машинного обучения
  • Владение SQL, Python (pandas, sklearn)
  • Умение анализировать бизнес-процессы
  • Умение адаптировать скоринговые модели под стратегию
  • Гибридный график и офис у метро «Белорусская», в котором есть все что нужно: Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации. Если захочется поработать на свежем воздухе — терраса с панорамным видом
  • Возможность работы в аккредитованной ИТ-компании
  • 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
  • Завтраки и обеды в Т-Кафе. В офисе есть ресторан и кофейни, на каждом этаже — кухня, где можно перекусить
  • 3 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
Эта вакансия также есть на:Getmatch
Сайты компаний

Principal Research Scientist [Risk]

Автоподнятие
Зарплата не указанаВесь мир
Текст:
Оригинал доступен только пользователям с подпиской

Location

The role is global, with relocation support available to hubs in Mexico, Cyprus, Serbia, or Spain; work can be done from an office or remotely.

About the company

A fast-growing fintech operating a large consumer credit portfolio across LATAM, serving millions of customers and processing billions of financial and behavioral events.

Responsibilities

  • Own the foundation model program end to end, from research direction to production models that drive credit decisions and business metrics such as cost of risk, approval rates, and portfolio NPV.
  • Build and fine-tune models over financial event sequences, including transactions, credit bureau data, and in-app behavior, for underwriting, credit limits, fraud, collections, and propensity use cases.
  • Drive methodology, implementation, performance, latency, robustness, interpretability, and regulatory compliance, including training infrastructure, evaluation, serving, cost optimization, and monitoring.
  • Mentor senior engineers and scientists, set technical standards, publish research, speak at conferences, and communicate results to product, risk, business, and leadership stakeholders.

Requirements

  • Proven experience applying deep learning to sequential data, with transformer architectures on event or transaction sequences strongly preferred.
  • Strong grounding in mathematical statistics, probability theory, and machine learning algorithms such as GBM, MLP, CNN, RNN, and Transformers.
  • Experience bringing large models to production, including distributed training, model serving, and latency/cost trade-offs, with a pragmatic balance between complexity and applicability.
  • Strong technical education in mathematics, physics, or computer science from a top university, plus strong communication skills; Kaggle Master/Grandmaster or banking/consumer lending experience is a plus.

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.