Команда Управления благосостояния разрабатывает и внедряет ML-модели для предложения клиентам инвестиционных, страховых и сберегательных продуктов.
Направления работы:
- Рекомендательные системы и модели классификации, регрессии и кластеризации для СберБанк Онлайн и СберИнвестиций.
- Продвинутые подходы в классическом ML: uplift-моделирование, работа с несбалансированными классами, feature engineering на больших данных и SOTA-алгоритмы.
Обязанности:
- Исследовать данные, разрабатывать информативные признаки и добавлять новые источники в командный пайплайн.
- Строить ML-модели на табличных данных и последовательностях событий, включая кликстрим и транзакции.
- Реализовывать прикладные модули командного фреймворка для повышения производительности Data Science и качества кода в промышленной среде.
Требования:
- Знание алгоритмов классического ML: линейных моделей, метрических алгоритмов и градиентного бустинга; понимание их применения в задачах регрессии, классификации и ранжирования.
- Уверенное владение SQL и отличное знание Python, включая библиотеки CatBoost, pandas, NumPy и scikit-learn.
Будет плюсом: опыт построения uplift-моделей и решения реальных бизнес-задач, понимание принципов и деталей работы PySpark.
Условия: офисный формат работы; современный IT-офис рядом с Москва-Сити с фитнес-залом; льготная ипотека и кредитование; подписка СберПрайм+; скидки у компаний-партнеров; ДМС с первого дня и льготное страхование для близких; корпоративная пенсионная программа.