Геомаркетинг – геоинформационная система (ГИС), предназначенная для сбора, обработки, моделирования и анализа пространственных данных, их отображения и использования при решении расчетных задач.

2.0 – второе поколение системы, в ней используются новейшие технологии и алгоритмы, что делает ее более эффективной и функциональной.

Геомаркетинг 2.0 предназначен для оптимизации затрат Банка на аренду недвижимости. Система использует технологии Big Data и Machine Learning, эффективно обрабатывает и анализирует большие объемы пространственных данных, умеет проводить экспресс-оценку арендной платы.

Продукт существенно увеличивает производительность работы сотрудников по мониторингу и анализу рынка недвижимости и помогает сокращать издержки Банка на аренду.

Обязанности

  • разработка, доработка и поддержка «лассических ML-моделей на всех этапах жизненного цикла
  • формирование и обработка набора признаков, выполнение их нормализации и отбор
  • обучение модели, подбор и оптимизация гиперпараметров
  • внедрение модели в промышленную эксплуатацию
  • мониторинг качества моделей в эксплуатации, анализ причин снижения качества и предложения доработки.
  • участие в оптимизации процессов сбора, первичной обработки и хранения больших объёмов данных из разных источников, в том числе с неполными и зашумлёнными данными.

Требования

  • опыт работы в роли Data Scientist, Data Analyst или ML Engineer в production-проектах
  • успешное участие в 3+ проектах с использованием ML/DS для решения бизнес-задач (KPI, метрики, A/B-тесты)
  • свободное владение Python (pandas, numpy, scikit-learn); знание SQL на продвинутом уровне (JOIN, оконные функции, оптимизация запросов)
  • опыт с scikit-learn, TensorFlow/PyTorch (минимум 1–2 проекта с нейронками)
  • понимание алгоритмов (регрессия, кластеризация, деревья, градиентный бустинг как XGBoost/LightGBM)
  • опыт работы с Git, Docker, Hadoop
  • опыт построения ETL-процессов, обработка данных (feature engineering, handling missing values, scaling)
  • умение формулировать гипотезы, проводить EDA (exploratory data analysis) и визуализировать данные (Matplotlib, Seaborn, Plotly)
  • знание статистики: A/B-тестирование, байесовские методы, проверка гипотез (p-value, confidence intervals).

Условия

  • инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти
  • среда для обмена знаниями – высокая экспертиза внутри команды
  • сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать
  • нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам
  • стабильная заработная плата и годовой бонус
  • полностью офисный формат работы
  • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
  • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
  • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
  • вознаграждение за рекомендацию друзей в команду Сбера.