- Страна
- Россия
- Зарплата
- 243 700 ₽ – 316 600 ₽
Откликайтесь
на вакансии с ИИ

Middle Data Scientist
Отличная вакансия в топовом банке с прозрачной вилкой и сильным соцпакетом (ДМС, ипотека). Проект на острие технологий (LLM Copilot) и работа в команде полного цикла обеспечивают быстрый профессиональный рост.
Сложность вакансии
Роль требует уверенного владения современным стеком NLP (LLM, BERT) и понимания основ промышленной разработки. Высокая планка ожиданий по математической подготовке и опыту работы с инфраструктурой (vLLM, Kubernetes) делает позицию сложной для обычного мидла.
Анализ зарплаты
Предложенная вилка (244-317к gross) полностью соответствует рыночному уровню для Middle DS в Москве. С учетом годовой премии совокупный доход становится выше среднего по рынку для данного грейда.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Сбербанк уже сейчас
Присоединяйтесь к команде Сбера и создавайте будущее банковского обслуживания с помощью LLM и AI-ассистентов!
Описание вакансии
Всем привет!
Компания: Большой зелёный банк
Город: Москва, офис/гибрид
Вакансия: Middle Data Scientist [мидл саентист]
Вилка: gross 243 700 - 316 600 + годовые премии (~19%) [~3.63-4.72 млн в совокупе за год]
Мы - команда из 9 человек (DA, DS, Dev), занимаемся полным циклом разработки, внедрения и оценки эффекта от AI для сети отделений Сбера в процессах управления рисками. Ключевое направление – развитие Copilot-а для сотрудника банка (виртуального ассистента, который участвует в диалоге с клиентом), который уже работает у каждого сотрудника отделения: подсказывает, ищет и исправляет ошибки, помогает вести диалог. Вашей задачей будет расширение функционала и улучшение качества работы ассистента, разработка новых продуктов и тестирование перспективных гипотез.
Кого мы ищем:
Middle специалиста, который сможет взять на себя задачи разработки моделей. Того, кто будет искать точки роста продукта, генерировать идеи, как сделать еще круче и лучше :)
Основные задачи:
Разработка и встраивание LLM, BERT-like и classic-NLP моделей анализа диалогов, поиска аномалий и др.
Что ожидаем:
• Хорошую аналитическую и математическую подготовку
• Понимание принципов разработки и внедрения AI-решений
• Опыт работы с современными LLM в бизнес-задачах (agents, prompt-engineering, tools, structured output, fine-tuning)
• На короткой ноге с BERT-Like моделями (умеете выбрать подходящую для задачи и при необходимости дообучить)
• Знание классического ML и традиционного стека (torch, numpy, pandas, sklearn, библиотеки визуализации и т.д.)
Будет плюсом, если вы:
• Обучали LLM-навыкам использования внешних инструментов (tool calling, function calling)
• Имеете практический опыт работы c инфраструктурой для RL-обучения: vLLM, SGLang, VERL и т.д.
• Имеете опыт промышленной разработки приложений на Python / Go / Java и т.д.
• Имеете опыт с FastAPI, aiohttp, asyncio, Kafka, Redis / Ignite, Kubernetes / docker / podman
• Понимаете принципы SOLID, отличия монолита от микросервисной архитектуры, понимание принципы unit-тестирования
Что предлагаем:
• Молодой сильный коллектив
• Масштабный приоритетный проект
• Возможности саморазвития: оплата курсов популярных платформ, периодика
• Бесплатный фитнес в офисе
• Скидки на услуги экосистемы Сбера и компаний-партнеров
• ДМС, сниженные ставки по кредитам, льготная ипотека
Резюме и вопросы можно присылать Татьяне: Откликнуться / Откликнуться (телеграм)
#ML#AI#DS#GenAI#LLM#NLP#SQL#Hadoop#Spark#Python#git
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Git
- Python
- NumPy
- Pandas
- PyTorch
- LLM
- SQL
- Kubernetes
- NLP
- Redis
- Scikit-learn
- Docker
- Kafka
- Hadoop
- Spark
- FastAPI
- BERT
Возможные вопросы на собеседовании
Проверка практического опыта работы с LLM в бизнес-контексте.
Расскажите о вашем опыте настройки Prompt Engineering для минимизации галлюцинаций в структурированных ответах LLM.
Оценка навыков дообучения специализированных моделей.
В каких случаях вы предпочтете дообучение BERT-like модели вместо использования готовой LLM через API?
Проверка знаний современных инструментов оптимизации вывода.
Работали ли вы с vLLM или SGLang? Какие преимущества они дают при развертывании моделей в продакшн?
Оценка понимания архитектуры и интеграции.
Как бы вы организовали процесс оценки качества (evaluation) для виртуального ассистента, работающего в реальном времени?
Проверка инженерной культуры.
Как принципы SOLID применимы в разработке пайплайнов машинного обучения?
Похожие вакансии
ML разработчик (Middle)
Разработчик MLOps (Python)
ML разработчик Middle Middle+
Middle Data Science (Проект Альфа)
Middle / Middle+ Инженер данных Бизнес-домена
Data инженер Middle+
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
- 243 700 ₽ – 316 600 ₽