- Страна
- Россия
Team Lead Data Science
Отличная вакансия от одного из лучших работодателей России с сильным ИТ-брендом. Предлагаются масштабные задачи, современный стек, гибкие условия работы (удаленка/гибрид) и отличный соцпакет, включая ДМС и обучение.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Позиция требует сильных технических навыков в классическом ML и Big Data стеке, а также подтвержденного опыта лидирования команды и взаимодействия с бизнесом. Дополнительную сложность добавляет специфика банковских продуктов и необходимость внедрения онлайн-моделей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Заработная плата в объявлении не указана и обсуждается по итогам собеседования, однако предусмотрены квартальные премии. Рыночные оценки для позиции Team Lead Data Science в Москве находятся на высоком уровне, и Альфа-Банк обычно предлагает конкурентоспособные условия.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
TEAM LEAD DATA SCIENCE В АЛЬФА-БАНК, Москва
В Альфа-Банк требуется Team lead data science.
Чем предстоит заниматься:
Руководить направлением разработки моделей ML, вести бэклог, проводить ревью, мотивировать команду;
Заниматься построением моделей чувствительности, склонности к продуктам банка, прогнозирования различных характеристик клиентов;
Оптимизировать существующие модели банка;
Тестировать новые источники данных для моделей;
Генерировать и тестировать гипотезы для улучшения процесса кредитования юридических лиц с помощью моделей;
Совместно с командами DE, MLOps, мониторинга внедрять модели в промышленные процессы;
Презентовать бизнесу результаты работы, обсуждать применение моделей.
Пожелания к кандидатам:
Знание классического ML;
Опыт построения uplift-моделей, моделей чувствительности, рекомендательных моделей;
Промышленный опыт разработки и внедрения моделей на табличных данных;
Уверенное владение ML-стеком Python: lightgbm/xgboost/catboost, Scikit-Learn, Pandas, Numpy;
Умение работать с инструментами обработки и хранения данных: Spark, Hadoop, Hive;
Опыт взаимодействия и выстраивания отношений с бизнесом, выстраивания командной работы, лидирования направления разработки моделей.
Будет большим плюсом:
Опыт работы с банковскими продуктами;
Опыт разработки и внедрения онлайн-моделей.
Что предлагают:
Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI;
Гибкий график работы: вы сможете планировать время так, как удобно вам и вашей команде;
Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи;
Сложные и интересные задачи, современный стек технологий;
Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного;
Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни;
Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр;
Доступ к бесплатным корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданий;
Работа у трижды лучшего работодателя РФ по версии hh.ru, Forbes, РБК;
Программа развития AI-грамотности: треки по работе с нейросетями от базового до продвинутого уровня.
Откликнуться с резюме.
Контакты: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- LightGBM
- XGBoost
- CatBoost
- Scikit-learn
- Pandas
- NumPy
- Apache Spark
- Hadoop
- Apache Hive
- Machine Learning
- Uplift Modeling
Возможные вопросы на собеседовании
Вакансия предполагает руководство командой и ведение бэклога. Важно понять управленческий подход кандидата.
Расскажите о вашем опыте управления командой Data Science: как вы распределяете задачи и мотивируете сотрудников?
В требованиях указан опыт построения uplift-моделей и моделей чувствительности.
Какие подходы и метрики вы используете для оценки эффективности uplift-моделей на практике?
Роль включает совместную работу с DE и MLOps для вывода моделей в прод.
Опишите ваш самый успешный опыт внедрения ML-модели в промышленный процесс. С какими трудностями вы столкнулись?
Стек включает инструменты обработки больших данных.
В каких сценариях вы предпочтете использовать PySpark вместо Pandas для подготовки признаков?
Позиция требует генерации гипотез для кредитования юрлиц.
Какие специфические источники данных и признаки могут быть полезны для оценки кредитного риска юридических лиц?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

