{"id":1379413,"url":"https://alion.io/job/sber-data-scientist-middle","title":"Data scientist (Middle)","company":{"id":67,"name":"Sber","domain":"sber.ru","url":"https://alion.io/company/sber","size_band":"5000+","is_staffing_agency":false,"employer_type":"direct","is_intermediary":false,"listed_via":null,"ats_vendor":"HeadHunter","truth_index":{"grade":"A","score":100,"open_postings":175,"ghost_share":0.057,"stale_share":0,"repost_share":0.131,"time_to_fill_p50_days":7,"computed_at":"2026-10-01T05:45:00Z"}},"role":"Data Science","role_family":"Data Science","seniority":"middle","employment_type":null,"work_mode":"on_site","remote_scope":null,"remote_scope_basis":null,"remote_working_hours":null,"hiring_geo_confidence":"structured","locations":["Moscow, Russia"],"countries":["RU"],"hiring_countries":[],"hiring_countries_total":0,"salary":null,"salary_estimate":{"min_usd":25000,"max_usd":55000,"period":"year","method":"role_seniority_country_cell","sample_n":10},"experience_years_min":2,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"CatBoost","optional":false},{"name":"Embeddings","optional":false},{"name":"LightGBM","optional":false},{"name":"LLM","optional":false},{"name":"NLP","optional":false},{"name":"NumPy","optional":false},{"name":"Python","optional":false},{"name":"Scikit-learn","optional":false},{"name":"Sentence-Transformers","optional":false},{"name":"XGBoost","optional":false},{"name":"Transformers","optional":true}],"status":"live","first_seen_at":"2026-09-28T07:39:01Z","employer_posted_date":"2026-09-28","last_verified_at":"2026-10-01T05:10:44Z","board_verified":true,"closed_at":null,"days_open":3,"trust":{"level":"ok","repost_count":null,"flags":[],"days_open":3},"description":"Команда «Мотивационный профиль» создает новый подход к работе с клиентом, который позволит перейти от классической персонализации к более глубокому пониманию человека на основе психологии. Мы извлекаем из данных психометрические характеристики - ценности, страхи, особенности характера и принятия решений - и используем их в продуктах банка и экосистемы.\n Для построения мотивационного профиля мы используем анкеты, подробные интервью, поведенческие и транзакционные данные. Работаем с известными психометрическими методиками и подходами, разработанными исследовательской командой. Одна из ключевых задач - научиться надежно определять психометрические характеристики на ограниченных выборках, масштабировать их на широкую клиентскую базу и использовать в рекомендательных сценариях и моделировании клиентских реакций.\nОбязанности\n работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки\n подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы\n сравнивать методы моделирования - от rule-based решений и классического ML до моделей на основе embeddings и LLM\n обучать модели для предсказания психометрических и поведенческих характеристик клиента\n масштабировать характеристики, доступные для ограниченной выборки клиентов, на широкую клиентскую базу\n оценивать модели как по стандартным ML-метрикам, так и по тому, насколько хорошо их результаты работают в прикладных сценариях - сегментации, персонализации и моделировании поведения клиента\n работать с неструктурированными данными, в том числе с текстами глубинных интервью\n строить пайплайны обработки текста: чанкинг, построение эмбеддингов, кластеризация и извлечение признаков\n сопоставлять информацию из текстов с поведенческими и транзакционными данными\n проверять качество разметки и данных, анализировать смещения выборки и устойчивость полученных признаков\n оценивать репрезентативность обучающей выборки и возможность переноса результатов на широкую клиентскую базу.\n Требования\n опыт работы Data Scientist / ML Engineer от 2-3 лет\n уверенное знание Python и стандартного DS/ML-стека: pandas, numpy, scikit-learn, CatBoost / LightGBM / XGBoost\n опыт построения supervised ML-моделей для табличных данных\n хорошее понимание задач классификации, регрессии и ранжирования\n опыт работы с текстовыми данными и NLP: embeddings, sentence-transformers, кластеризация, классификация текстов, семантический поиск\n понимание основных подходов к работе с LLM: prompting, few-shot, zero-shot, LLM-разметка и оценка качества LLM-ответов\n умение проектировать метрики и схемы offline-валидации для нестандартных задач\n умение работать с неоднозначными таргетами, шумной разметкой и неполными данными\n уверенная работа с большими данными\n способность переводить бизнес-гипотезу в ML-задачу: формализовать постановку, определить требования к данным и метрикам, учесть ограничения и сформулировать критерии успешности\n умение понятно объяснять результаты как ML-специалистам, так и продуктовой команде.\n Условия\n комфортный современный офис рядом с м. Кутузовская\n возможность выбрать удобный график - офис/гибрид\n ежегодный пересмотр зарплаты, годовая премия\n корпоративный спортзал и зоны отдыха\n более 400 образовательных программ СберУниверситета для профессионального и карьерного развития\n программа адаптации и помощь руководителя на старте\n расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа\n гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ\n подписка Прайм с возможностью совместного использования на трёх близких\n вознаграждение за рекомендацию друзей в команду Сбера.","description_format":"text","description_chars":3690,"description_truncated":false,"requirements":{"experience_years_min":2,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":null,"security_clearance":false,"languages":[{"language":"Russian","level":"Advanced (C1)","optional":false}]},"benefits":[],"hiring_locations":[],"hiring_excludes":[],"relocation_offered":false,"industries":["LLM & Generative AI","Cloud Platforms (IaaS & PaaS)","Wealth Management & Financial Advisors","Investment Banking & M&A Advisory"],"lifecycle":[{"event":"open","at":"2026-09-28T07:43:26Z"}],"liveness":{"score":75,"band":"hot","label":"Hiring now","p_open":1,"p_active":0.833,"p_room":0.9,"age_days":2,"expected_fill_days":7,"reasons":["conf:0","velocity","win:mid","comp:brand"],"computed_at":"2026-10-01T05:45:00Z"},"pay":null,"html_url":"https://alion.io/job/sber-data-scientist-middle","json_url":"https://alion.io/job/sber-data-scientist-middle.json","meta":{"generated_at":"2026-10-02T03:03:27Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers","usage":{"tier":"crawler","counted_by":"address","units_charged":1,"used_today":4209,"day_limit":5000,"remaining_today":791,"minute_limit":60,"resets_at":"2026-10-03T00:00:00Z"}}}