Сбер

data scientist транзакционного банкинга B2C

Коротко

Data Scientist в команде развития ИИ блока «Транзакционный банкинг B2C» строит ML-модели (классический ML, градиентный бустинг, NLP, элементы Deep Learning) на табличных данных, последовательностях событий и текстах для кредитных карточных продуктов и персонализации сервиса. Требуется продвинутое знание SQL, Python (lightgbm, pandas, numpy, sklearn, torch) и опыт работы с Hadoop, PySpark и Greenplum. Работа включает написание production-ready кода с интеграцией в CI/CD MLOps-команды и сопровождение внедрения моделей в бизнес-процессы кредитования и обслуживания карт. Формат гибридный, офис в Москве.

Описание
Управление развития Искусственного Интеллекта блока «Транзакционный банкинг B2C» разрабатывает и внедряет ML-модели на большой клиентской базе B2C, чтобы предлагать клиентам кредитные карточные продукты, персонализировать условия обслуживания и автоматизировать поддержку. Команда работает с моделями склонности и отклика для СберБанк Онлайн и других каналов, NLP-моделями на текстовых данных, управлением лимитами кредитных карт, uplift-моделированием, прогнозированием оттока и feature engineering на больших данных.
Задачи
•Строить ML-модели на основе табличных данных, последовательностей событий и текстов
•Писать production-ready код и передавать его в CI/CD-пайплайн команды MLOps, отвечая за качество кода и воспроизводимость
•Улучшать процесс построения моделей
•Разрабатывать прикладные модули командного фреймворка для повышения производительности DS и качества промышленного кода
•Предлагать и обосновывать внедрение новых ML-моделей в процессы банка
•Сопровождать интеграцию моделей в бизнес-процессы кредитования и обслуживания карт
•Выдвигать data-driven гипотезы и предложения по запуску новых механик и карточных продуктов
•Находить инсайты в данных
Требования
•Глубоко знать классический ML и иметь опыт применения к реальным бизнес-задачам, включая градиентный бустинг и NLP-алгоритмы
•Понимать основные подходы Deep Learning
•Продвинуто знать SQL, включая оконные функции и оптимизацию плана запроса
•Отлично знать Python и библиотеки lightgbm, pandas, numpy, sklearn, torch
•Иметь опыт работы с Hadoop, PySpark и Greenplum
•Будет плюсом опыт работы с кредитными и/или дебетовыми картами, понимание бизнес-процессов кредитования, скоринга, управления лимитами и персонализации предложений
Условия
•Современный офис рядом с метро «Кутузовская»
•Ежегодный пересмотр зарплаты
•Годовая премия
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета
•Программа адаптации и помощь руководителя на старте
•Расширенный ДМС
•Льготное страхование для семьи
•Корпоративная пенсионная программа
•Дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•Бесплатная подписка Прайм с возможностью совместного использования с тремя близкими
•Вознаграждение за рекомендацию друзей в команду Сбера

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