Data Scientist (recommender systems)

«СберСпасибо»- крупнейшая банковская программа лояльности, созданная для клиентов ПАО Сбербанк.

Мы разрабатываем с нуля рекомендательную realtime-систему для более 40 млн клиентов программы лояльности «Спасибо от Сбербанка».

Ищем сотрудника в команду, который специализируется на рекомендательных системах, имеет опыт работы с большими данными, знает и применяет state-of-the-art инструменты в своей работе.

У нас приветствуется и поддерживается непрерывное развитие сотрудников: образование за счет компании, участие в профильных (в том числе зарубежных) мероприятиях, работа над opensource-проектами и написание материалов для ML/DS-изданий

Обязанности:

• Полный цикл (data collection, feature engineering, model fitting, model management, visualization, model serving) создания набора моделей на основе транзакционной и поведенческой информации;
• Создание realtime-моделей персональных рекомендаций товаров и услуг для пользователей, ранжирование списков товаров и услуг, построение моделей оттока и ретаргетинга; обратная задача к top-n рекомендаций ­-- подбор пользователей под группу товаров и услуг;
• Разработка моделей для задач регрессии, бинарной, multiclass и multilabel классификации;
• Участие в разработке и стандартизации ML-пайплайнов;
• Анализ и обработка больших массивов данных;
• Еxperiment и code-review

Требования:

• Высшее техническое образование;
• Знание архитектур и алгоритмов в основе collaborative filtering / content based / hybrid recommender systems;
• Python, приветствуется PEP 8;
• Знание основных алгоритмов и метрик машинного обучения
• Знание SQL, желателен опыт работы с Clickhouse distributed postgresql;
• Желателен опыт работы со Spark, Airflow, MLFlow / Neptune ML, DVC, TPOT или аналогичными инструментами;
• Желательно опыт работы с Docker, Kubernetes;
• Знание математической статистики и теории вероятности;
• Будет преимуществом - МФТИ, МГТУ им. Баумана, МГУ, СПбГУ, ВШЭ, Сколтех, НГУ;
• Аналитические способности и логическое мышление;
• Внимательность;
• Ответственность;
• Целеустремлённость;
• Умение работать в команде на результат;
• Знание английского языка на уровне чтения технических материалов

Будет преимуществом:

• участие в соревнованиях по рекомендательным системам, в том числе Kaggle, RecSys;
• участие в разработке opensourсe библиотек, пройденные за последний год оффлайн и онлайн курсы (coursera, udemy и пр.).

Условия:

• Офис: ст. метро Кутузовская;
• Социальный пакет ДМС и НС;
• Конкурентная заработная плата;
• Премия;
• Льготные условия для потребительского и ипотечного кредитования