Альфа-Деньги

Data scientist (направление HR)

Коротко

Data scientist в HR Tech направлении Альфа-Банка: разработка и внедрение ML/AI-решений для платформы Alfa People, полный цикл задачи от постановки проблемы до production-внедрения моделей. Компания — крупный частный банк с цифровым банкингом. Требуется опыт в Data Science от 4–5 лет, уверенное владение Python и Spark, понимание рекомендательных систем, ranking/personalization или классификации/uplift, а также опыт production-внедрения моделей (MLOps). Формат работы — удалённо или гибрид, с хабами в нескольких городах.

Обязанности
•Разрабатывать и развивать ML/AI-решения для продуктов HR Tech и платформы Alfa People.
•Самостоятельно проходить полный цикл работы над задачей: от формулировки проблемы и дизайна решения до внедрения и оценки эффекта.
•Использование AI ассистентов в работе.
•Проводить исследования, запускать эксперименты, валидировать гипотезы через продуктовые и бизнес-метрики.
•Участвовать в production-внедрении моделей, улучшать качество и устойчивость пайплайнов, работать над воспроизводимостью и сопровождением решений.
•Плотно взаимодействовать с продактами, аналитиками, разработкой и бизнес-заказчиками, помогая переводить бизнес-задачи в ML-решения.
•Быть технической опорой для команды: помогать в декомпозиции задач, ревьюить решения, делиться опытом, повышать инженерную и исследовательскую зрелость команды.
Требования
•Опыт работы в Data Science от 4–5 лет.
•Уверенное владение Python, Spark и классическим ML-стеком.
•Практический опыт разработки и внедрения ML-решений с измеримым бизнес-эффектом.
•Хорошее понимание одной или нескольких областей:
•рекомендательные системы;
•ranking / personalization;
•бинарная классификация / uplift.
•Самостоятельно брать на себя неопределённую задачу, структурировать её и доводить до результата.
•Опыт production-внедрения моделей: понимание MLOps-подходов, retraining-процессов, мониторинга, качества данных и устойчивости решения.
•Способность не только обучить модель, но и выбрать правильную постановку задачи, аргументировать подход и объяснить его бизнесу.
•Зрелость в коммуникации: умение работать на стыке DS, продукта и бизнеса без постоянной внешней директивы.
Будет большим плюсом:
•Опыт со Spark и большими данными.
•Опыт построения рекомендательных систем в продуктовых сценариях.
•Опыт менторинга или технического лидерства.
•Опыт работы в среде, где нужно совмещать исследовательский подход с высокой скоростью внедрения.
Условия
•Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI.
•Гибкий график работы: можно планировать время так, как удобно вам и вашей команде.
•Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи.
•Сложные и интересные задачи, современный стек технологий.
•Забота о здоровье: программа ДМС с первых дней работы, включающая стоматологию, обслуживание в лучших клиниках города, страхование и компенсацию 10-ти дней больничного.
•Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни.
•Оплата посещения профильных конференций и курсов, помощь с подготовкой к публичным выступлениям и написанием статей на Хабр.
•Доступ к бесплатным корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданий.

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте