Teamlead data science in credit services

Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично.

• руководство командой DS (продуктовый и исследовательский треки) плюс собственная инженерная работа — от архитектуры ML/AI-решений до инструментов для fine-tuning LLM
• управление командой DS: постановка и декомпозиция задач, приоритизация, контроль качества
• менторство, код-ревью, стандарты разработки и исследований; участие в найме
• архитектура ML/AI-решений, обоснование выбора методов и моделей
• разработка инструментов fine-tuning LLM (LoRA/QLoRA): подготовка датасетов, пайплайны обучения, оценка качества
• разработка и валидация ML-моделей, feature engineering, вывод в production
• исследовательские гипотезы, дизайн экспериментов, статистическая оценка, прототипы новых подходов
• предложения по решению бизнес-задач аналитическими методами, консультирование заказчика, презентация результатов.

• одинаково уверенная работа как исследователь/моделист и как инженер, доводящий AI-решения до работающего продукта
• алгоритмы и структуры данных на уровне понимания внутреннего устройства, а не вызова библиотек: базовые (сортировки, поиск, деревья, графы, динамическое программирование, оценка сложности), классический ML (линейные модели, градиентный бустинг, SVM, кластеризация), DL (обратное распространение, оптимизаторы SGD/Adam, механизмы внимания, трансформеры), LLM-инженерия (токенизация BPE, LoRA/QLoRA, ANN-поиск)
• умение разобрать алгоритм по статье и реализовать в коде
• готовность самостоятельно разрабатывать скиллы и тулы для LoRA/QLoRA-адаптации LLM
• Data Scientist / ML-инженер — от 4–5 лет
• техническое лидерство или менторство — от 1–2 лет
• вывод моделей в production и их сопровождение; исследовательская работа
• Python (scikit-learn, pandas, numpy, PyTorch), SQL/PostgreSQL
• классический ML, валидация моделей, статистика, математическое моделирование
• NLP/LLM: трансформеры, Hugging Face Transformers, LLM API, LangChain; промпт-инжиниринг, RAG
• практический опыт обучения нейронных сетей: трансформеры + минимум 2–3 типа архитектур (CNN, RNN/LSTM, VAE, RL-агенты)
• MLOps: ML-пайплайны, Docker, FastAPI, Git, воспроизводимость экспериментов
• готовность проводить код-ревью и давать развивающую обратную связь
• способность понятно объяснять технические решения нетехнической аудитории
• постановка задач команде, оценка трудоёмкости; готовность развивать управленческие навыки в процессе.
• Будет плюсом: XAI, большие данные (PySpark, Hive, HDFS), банковская / финансовая сфера; опыт построения модели, давшей измеримый бизнес-эффект (метрики, выручка, экономия ресурсов); участие в соревнованиях Kaggle или аналогичных

• гибридный формат работы (4 дня офис) на Кутузовском, 32к1
• ежегодный пересмотр зарплаты, квартальная и годовая премия
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.