Middle Data Scientist

AI-команда блока развития клиентского опыта B2C ищет Middle Data Scientist для обучения ML-моделей на данных клиентов. В рамках задач предстоит прогнозировать поведение клиентов, улучшать инструменты анализа обратной связи. Команда занимается разработкой AI-инструментов для улучшения клиентского опыта внешних и внутренних клиентов Сбера:

• Разработка умных помощников,
• Комплексная обработка обратной связи клиентов,
• Автосегментация клиентов, поиск причин изменения клиенсткого поведения, генерация инсайтов,
• Прогнозирование изменения клиентского поведения (отток, транзакционная активность) и реакций на коммуникации.

В команде работает более 20 человек (DS, MLE, MLOps), имеются большие вычислительные кластеры, лаборатории для обучения моделей на GPU, а также имеется коммуникация с разработчиками LLM-моделей в Сбере

Проекты:

• Генерация персонализированных инсайтов на основе клиентских данных,
• Развитие инструментов комплексной обработки обратной связи клиентов.

Обязанности

• Построение ML-моделей на основе клиентских данных: численные агрегаты, временные ряды, тексты, транзакционные эмбеддинги, графы и последовательности событий (в т.ч. логи, транзакции),
• Формирование гипотез, извлечение инсайтов из текстов, транзакций и других клиентских данных,
• Разрабатывать и обучать NLP-модели для задач умного поиска, суммаризации и классификации текстов.

Требования

• Более 2-х лет работы в сфере DS,
• Опыт разработки uplift-моделей,
• Опыт разработки классических ML-решений,
• Глубокое понимание классических ML-алгоритмов,
• Продвинутые знания статистики и машинного обучения,
• Опыт оценки качества результатов (DS и бизнес-валидация),
• Опыт проведения A/B-тестов,
• Опыт программирования на python3 (REST API, база ООП),
• Опыт работы с Hadoop/GreenPlum,
• Владение git, SQL, PySpark, Linux на уровне пользователя.

Будет плюсом:

• Опыт в DL: обучение/дообучение собственных глубоких нейросетей,
• Познания и опыт в NLP: подходы к предобработке текстовых данных, механики построения эмбеддингов, понимание слабых/сильных сторон различных алгоритмов векторизации,
• Опыт обертки готовых решений в сервис.

Условия

• Корпоративное обучение за счет компании (внутреннее и внешнее)
• Мощное железо, дополнительные мониторы, ноутбук
• Комфортный офис со спортзалом, в наличии кофе/чай и печенье
• Конкурентные условия труда (белая заработная плата, премии)
• Расширенный ДМС с первого дня работы для себя и близких
• Льготная ипотека и банковские продукты на специальных условиях