Lead Data Scientist (Гео и Графы)

Наши проекты:

Эмбеддинги юридических лиц:

• Обучение моделей эмбеддингов ЮЛ на основе различных источников данных: транзакции, кликстримы, диалоги, граф связей и т.д. Обучение универсальных мультимодальных моделей эмбеддингов. Помощь бизнес-блокам в адаптации и пилотировании эмбеддингов в бизнес-моделях банка.
• Изучение и внедрение Foundation model в доменах event-sequences и graphs.
• Взаимодействие с исследовательскими командами AI Lab и Sber AI.

Карта влияния ЮЛ:

• Построение витрин связей ЮЛ-ФЛ, определение ролей ФЛ в ЮЛ на основе внутренних и внешних источников. Построение датасета для обучения моделей, разметка ролей. Дизайн и обучение модели определения ролей ФЛ в ЮЛ.
• Создание единого графа ЮЛ-ФЛ, обучение моделей на едином графе, построение эмбеддингов ЮЛ/ФЛ.

Логистические цепочки:

• Поиск транзакционных связей ЮЛ/ИП, построение графа транзакционных связей. Выделение устойчивых цепочек (сообществ) для решения различных бизнес-задач.

Обязанности

• Коммуникации с заказчиком, проработка требований, перевод требования на язык ML, выбор подходов к реализации;
• Работа со структурированными и неструктурированными данными: поиск внутренних и внешних источников, сбор и анализ данных, проверка гипотез;
• Проведение RND для выбора лучших алгоритмов;
• Построение и поддержка аналитических и предиктивных моделей (Python + Spark + Sklearn + LGBM), нейросетевых моделей: GNN (графовые нейронные сети), RNN, Transformers;
• Обеспечение документирования результатов моделирования для передачи на валидацию;
• Подготовка скриптов для вывода моделей в ПРОМ;
• Постановка требований для Data Engineer по разработке новых витрин/объектов.

Требования

• Хорошее знание алгоритмов машинного обучения, нейронных сетей, python-библиотек для работы с ML/DL (Sklearn, LGBM, XGBoost, Pytorch), SQL;
• Знание принципов построения моделей на графах, последовательностях событий, NLP;
• Опыт промышленного внедрения моделей, работы с распределенным хранилищем данных (Hadoop, Spark);
• Понимание процессов ETL, ELT;
• Опыт наставничества/менторства.

Будет плюсом:

• Опыт использование UDF для PySpark, особенности написания кода для стека Hadoop;
• Знание особенностей программирования в распределённых системах;
• Опыт работы с NoSQL базами данных;
• Распределенное обучение моделей на ресурсах GPU(А100/V100)/HGX;
• Знание SOTA алгоритмов в области AI.

Условия

• Формат работы - офис (ст.м.Кутузовская);
• Ежегодный пересмотр зарплаты и годовая премия;
• Корпоративный спортзал и зоны отдыха;
• 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.