Data Scientist Middle/Senior On-site

🚀 Вакансия: Junior/Middle/Senior Data Scientist 🏦 Компания: Сбер, Команда AI-трансформации B2B 🤑 Финансы: 190k/240k/310k gross + годовой бонус 🏙 Локация: г. Москва, м. Кутузовская, Сбер-Сити Наша команда занимается внедрением AI и ML в процессы ценообразования кредитныхбанковских продуктов. Наши заказчики - Блок Казначейство и Блок Корпоративный инвестиционный бизнес. В процессе работы мы реализуем весь жизненный цикл модели - от сбора требований до интеграции решения в бизнес-процессы. Результаты нашей работы влияют как на Банк (изменение структуры баланса, и снижение взятых на Банк рисков), так и на клиентов (предложение кастомных наборов банковских продуктов по индивидуальным ценам). 👷‍♂️ Что нужно делать: У нас есть два направления и занятость на них смешенная. Возможна как работа только по одному, так и микс из обоих.   Направление GenAI: Проектировать и разрабатывать архитектуру AI-агентов на базе LLM Строить агентные системы (ReAct, Plan-and-Execute, Multi-Agent) с использованием LangChain, LangGraph Интегрировать агентов с внутренними API и банковскими системами Разрабатывать RAG-пайплайны Внедрять агентов в продакшн и обеспечивать их надежную работу Оценивать качество и метрики агентных решений   Направление ClassicML: Проводить сбор, очистку и анализ данных; Формировать и проверять гипотезы; Выбирать архитектуру моделей; Разрабатывать ML-модели и алгоритмы для финансовых задач; Выводить модели в production и интегрировать результаты в бизнес-процессы; Сопровождать и поддерживать реализованные решения. Взаимодействовать с заказчиками и представлять результаты руководству Банка;   🛠 Стек: Python(Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow) 🧙‍♂️ Требования к кандидату: Хорошие знания теории Classic ML Глубокое обучение: опыт построения и обучения нейросетевых архитектур (MLP, CNN, RNN/LSTM, Transformers) Понимание полного цикла ML-проекта: от гипотезы до продакшна и мониторинга Опыт разработки и внедрения GenAI решени й (LangChain, LangGraph или кастомные реализации) RAG: пайплайны, векторные базы данных (FAISS/Chroma/Qdrant) Опыт с open-source LLM (Llama, Mistral, Qwen и др.)   💪 Будет плюсом: Знания в области финансов Владение BigData stack Навыки работы с git, Jira, Confluence Опыт end-2-end разработки ML-моделей (EDA-MVP-Solution-Validation-Production) 🍪 Что предлагаем: Конкурентная заработная плата и годовые бонусы; Работа с современным стеком технологий; Возможность обучения за счет компании; Регулярные DS-митапы, большое внутреннее DS&AI community; ДМС; Современный офис с двумя спортзалами. 📩 Резюме и вопросы слать в тг @VNKazanir или на почту vnkazanir@sber.ru