- Страна
- Россия
Middle/Senior Machine Learning Engineer (команда Лояльность)
Сбер — это стабильность, сильное инженерное сообщество и работа с передовыми технологиями. Вакансия привлекательна для тех, кто хочет развиваться в Big Data и ML на реальных бизнес-кейсах с огромным охватом.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Позиция требует уверенного владения Big Data инструментами (PySpark) и глубокого понимания архитектуры ПО (ООП, паттерны). Работа в Сбере подразумевает высокие стандарты качества кода и умение работать с масштабными данными.
Анализ зарплаты
Зарплата в объявлении не указана, но для уровней Middle/Senior ML Engineer в Москве рыночные вилки составляют от 250 000 до 500 000 рублей. Сбер обычно предлагает конкурентные условия, соответствующие рынку или чуть выше, с учетом годовых бонусов.
Откликнитесь в Сбер Банк уже сейчас
Присоединяйтесь к команде Лояльности Сбера и создавайте ML-решения для миллионов клиентов крупнейшего банка страны!
Описание вакансии
Middle/Senior Machine Learning Engineer (команда Лояльность)
Грейд: Middle/Senior
Стек: Python, SQL, PySpark, Machine Learning, OOP, Design Patterns
Сбер Банк — крупнейший российский финансовый конгломерат, предоставляющий широкий спектр банковских услуг для частных лиц, малого бизнеса и корпоративных клиентов.
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- SQL
- PySpark
- Machine Learning
- OOP
- Design Patterns
Возможные вопросы на собеседовании
Проверка навыков работы с большими данными, что критично для Сбера.
Расскажите о вашем опыте оптимизации PySpark джоб. С какими проблемами производительности вы сталкивались?
В описании указаны Design Patterns, важно понять, как кандидат применяет их в ML.
Какие паттерны проектирования вы чаще всего используете при разработке ML-сервисов на Python?
Проверка продуктового мышления в контексте лояльности.
Как бы вы подошли к задаче предсказания оттока клиентов из программы лояльности? Какие фичи были бы наиболее значимыми?
Проверка фундаментальных знаний ООП.
Как принципы SOLID помогают вам в написании поддерживаемого кода для ML-пайплайнов?
Оценка навыков работы с базами данных.

