- Страна
- Россия
- Зарплата
- 150 000 ₽ – 570 000 ₽
Откликайтесь
на вакансии с ИИ
Junior/Middle/Senior DS (Data Unit, Трайб X)
Оценка ИИОтличная вакансия от топового работодателя с прозрачными вилками, сильным соцпакетом и работой над передовыми технологиями (LLM, AI-агенты). Четкие процессы роста и минимум бюрократии добавляют привлекательности.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованиями к опыту разработки AI-агентов (text2sql, multi-agent systems) и глубоким знанием LLM. Для старших позиций важна сильная математическая база и опыт вывода моделей в продакшн.
Анализ зарплаты
Оценка ИИПредложенные вилки (от 150к для джунов до 570к для синьоров) полностью соответствуют или даже слегка превышают рыночные показатели для DS в финансовом секторе Москвы, особенно с учетом значительных годовых бонусов.
Сопроводительное письмо
I am writing to express my strong interest in the Data Scientist position within the B2C Data Unit at Sber. With a solid background in developing AI agents and a deep understanding of LLM architectures, I am excited about the opportunity to contribute to the development of your internal segment management platform. My experience in building text2sql and text2json solutions aligns perfectly with your goals for 2026.
In my previous roles, I have successfully implemented ML solutions from business requirement analysis to production monitoring. I am proficient in the Python/SQL stack, PyTorch, and Transformers, and I have a proven track record of delivering business value through AI. I am particularly drawn to this role because of the ambitious task of building a multi-agent system and the opportunity to work with high-scale data tools like Clickhouse and Spark.
I am a strong communicator who can bridge the gap between complex algorithmic logic and business needs. I look forward to the possibility of discussing how my technical skills and passion for building innovative AI products can benefit the Tribe X team.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбер уже сейчас
Присоединяйтесь к команде Сбера и создавайте передовых AI-агентов для крупнейшего банка страны!
Описание вакансии
Позиция: Junior/Middle/Senior DS
Куда: Сбер, B2C, Data Unit, Трайб X
Формат работы: полная занятость; офис/гибрид в Москве, Санкт-Петербурге
Вилка гросс:
150-250 джун + годовой бонус (mid 15%, max 30%) от годового оклада
250-430 мидл + годовой бонус (mid 25%, max 50%) от годового оклада
430-570 синьор + годовой бонус (mid 25%, max 50%) от годового оклада
Про нас:
Мы разрабатываем внутреннее веб-приложение для создания и управления клиентскими сегментами. Платформа позволяет кампейн-инженерам и аналитикам формировать целевые аудитории через UI с фильтрами по клиентским атрибутам, рассчитывать размер аудитории в реальном времени и публиковать готовые сегменты.
В 2026 году мы планируем реализовать бэклог из множества задач, включая расширение функциональности конструктора сегментов, разработку ИИ-помощника, разработку интеграционных взаимодействий.
Что предстоит делать?
- Разрабатывать AI-агентов (text2json, text2sql, copilot) для решения задачи автоматизированной сборки сегментов по запросам пользователей UI-интерфейса
- Разрабатывать смежные агенты для работы мультиагентной системы и поддержания диалогового интерфейса взаимодействия с пользователями
- Писать промышленный код для встраивания в фреймворки исполнения агентов
- Проходить валидацию
- Обучать LLM при необходимости
От нас:
- Разработка важной функциональности, которую ждут многочисленные внутренние клиенты из разных команд Банка
- Амбициозные задачи для создания лучшего продукта на рынке
- Минимум бесполезных встреч
- ДМС
Требования:
- Опыт реализации ML-решений от интерпретации бизнес-потребности до мониторинга внедрённой модели, от 1 года (Middle) до 3х лет (Senior)
- Опыт разработки и внедрения ИИ-агентов с подтверждённым бизнес-эффектом
- Глубокое понимание архитектур и владение инструментами обучения современных языковых моделей, включая классический ml-стек, pytorch, transformers
- Отличное знание python, SQL
- Сильная математическая подготовка
- Способность объяснять применяемые алгоритмы бизнес-пользователям
Что ещё может пригодиться:
- Clickhouse, Flink, Kafka, Hadoop, Spark
- Java/Scala
- CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps
Ответы на 10 важных вопросов
- Данные: данные из приложения, мета-описания атрибутов и источников, SQL готовых сегментов.
- Железо, продакшн и ноутбук: деплой в Kubernetes, есть GPU, если потребуется обучение/инференс LLM. Рабочий ноутбук на Linux + разные варианты ВРМ (Citrix Workspace, преимущественно Windows).
- Масштаб влияния на бизнес: продукт на стадии опытной эксплуатации, в перспективе станет главным выбором для различных бизнес-процессов Банка, требующих сборку аудитории.
- Уровень зрелости Data Science: функция ИИ внедрена во все ключевые направления бизнеса, ИИ приносит деньги и бизнес активно приходит с запросом на наши решения.
- Роль DS: разработка и тестирование прототипов, валидация и внедрение агента и модели (при необходимости).
- Бэкграунд вашего руководителя: Откликнуться
- Как часто вам будут мешать работать: Ежедневные дейли, планирование на час-полтора один раз в 2-недельный спринт.
- Карьерный рост: Каждый квартал – компания оценок и ревью. Централизованные компании по пересмотру ЗП и грейда раз в полгода.
- Prod/research: prod - bсключительно прикладыные задачи.
- Роль сервиса или лидера: лидер компетенции для senior, сервис для junior/middle.
Резюме присылать с темой «Вакансия_Фамилия_DS_SGM» на почту Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- LLM
- SQL
- Kubernetes
- CI/CD
- Transformers
- NLP
- Kafka
- Hadoop
- Jenkins
- Spark
- Flink
- ClickHouse
Возможные вопросы на собеседовании
Проверка практического опыта работы с LLM и понимания ограничений текущих технологий.
Расскажите о вашем опыте разработки text2sql агентов: с какими основными трудностями вы сталкивались при генерации сложных запросов и как их решали?
Вакансия предполагает создание мультиагентных систем.
Как бы вы спроектировали архитектуру взаимодействия между несколькими AI-агентами для задачи сборки клиентских сегментов?
Важно понимать, как кандидат обеспечивает надежность ответов модели.
Какие методы валидации и оценки качества (evaluation) вы используете для контроля галлюцинаций в диалоговых интерфейсах?
Проверка навыков работы с большими данными и SQL.
Учитывая использование Clickhouse и Hadoop, как вы оптимизируете SQL-запросы, генерируемые агентом, для работы с таблицами на миллиарды строк?
Оценка способности доносить ценность DS-решений до бизнеса.
Как вы объясните нетехническому заказчику, почему модель приняла именно такое решение при формировании сегмента аудитории?
Похожие вакансии
MLOps Engineer
Инженер Mlops (Senior)
Middle+ ML разработчик
Senior MLOps Engineer (Platform Development / LLMOps)
Data engineer
Senior Data Engineer
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!
- Страна
- Россия
- Зарплата
- 150 000 ₽ – 570 000 ₽