Позиция: Junior/Middle/Senior DS Куда: Сбер, B2C, Data Unit, Трайб X Формат работы: полная занятость; офис/гибрид в Москве, Санкт-Петербурге Вилка гросс: 150-250 джун + годовой бонус (mid 15%, max 30%) от годового оклада 250-430 мидл + годовой бонус (mid 25%, max 50%) от годового оклада 430-570 синьор + годовой бонус (mid 25%, max 50%) от годового оклада Про нас: Мы разрабатываем внутреннее веб-приложение для создания и управления клиентскими сегментами. Платформа позволяет кампейн-инженерам и аналитикам формировать целевые аудитории через UI с фильтрами по клиентским атрибутам, рассчитывать размер аудитории в реальном времени и публиковать готовые сегменты. В 2026 году мы планируем реализовать бэклог из множества задач, включая расширение функциональности конструктора сегментов, разработку ИИ-помощника, разработку интеграционных взаимодействий. Что предстоит делать? - Разрабатывать AI-агентов (text2json, text2sql, copilot) для решения задачи автоматизированной сборки сегментов по запросам пользователей UI-интерфейса - Разрабатывать смежные агенты для работы мультиагентной системы и поддержания диалогового интерфейса взаимодействия с пользователями - Писать промышленный код для встраивания в фреймворки исполнения агентов - Проходить валидацию - Обучать LLM при необходимости От нас: - Разработка важной функциональности, которую ждут многочисленные внутренние клиенты из разных команд Банка - Амбициозные задачи для создания лучшего продукта на рынке - Минимум бесполезных встреч - ДМС Требования: - Опыт реализации ML-решений от интерпретации бизнес-потребности до мониторинга внедрённой модели, от 1 года (Middle) до 3х лет (Senior) - Опыт разработки и внедрения ИИ-агентов с подтверждённым бизнес-эффектом - Глубокое понимание архитектур и владение инструментами обучения современных языковых моделей, включая классический ml-стек, pytorch, transformers - Отличное знание python, SQL - Сильная математическая подготовка - Способность объяснять применяемые алгоритмы бизнес-пользователям Что ещё может пригодиться: - Clickhouse, Flink, Kafka, Hadoop, Spark - Java/Scala - CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps Ответы на 10 важных вопросов 1. Данные: данные из приложения, мета-описания атрибутов и источников, SQL готовых сегментов. 2. Железо, продакшн и ноутбук: деплой в Kubernetes, есть GPU, если потребуется обучение/инференс LLM. Рабочий ноутбук на Linux + разные варианты ВРМ (Citrix Workspace, преимущественно Windows). 3. Масштаб влияния на бизнес: продукт на стадии опытной эксплуатации, в перспективе станет главным выбором для различных бизнес-процессов Банка, требующих сборку аудитории. 4. Уровень зрелости Data Science: функция ИИ внедрена во все ключевые направления бизнеса, ИИ приносит деньги и бизнес активно приходит с запросом на наши решения. 5. Роль DS: разработка и тестирование прототипов, валидация и внедрение агента и модели (при необходимости). 6. Бэкграунд вашего руководителя: Linkedin. 7. Как часто вам будут мешать работать: Ежедневные дейли, планирование на час-полтора один раз в 2-недельный спринт. 8. Карьерный рост: Каждый квартал – компания оценок и ревью. Централизованные компании по пересмотру ЗП и грейда раз в полгода. 9. Prod/research: prod - bсключительно прикладыные задачи. 10. Роль сервиса или лидера: лидер компетенции для senior, сервис для junior/middle. Резюме присылать с темой «Вакансия_Фамилия_DS_SGM» на почту mnikragoyzha@sberbank.ru