Senior Data Scientist NLP

Задачи

• Разработка дизайна ML-системы из множества ML-моделей в рамках единого продукта («Интеллектуальная система управления руководителя»).
• Консультирование/участие в автоматизации источников данных для ML-моделей совместно с ML Engineer/Data Engineer.
• Full-stack разработка ML-моделей, доведение моделей из стадии MVP до целевого решения (все этапы ЖЦ моделей по CRISP-DM от Data Understanding до Deployment с использованием тех. стека банка).
• NLP-задачи: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering.
• Domain Adaptation и инструктивное дообучение большой языковой модели Сбера (Generative + Extractive, ChatGPT-like) с использованием внешних/внутренних данных.
• Text2Code (внешняя память ChatGPT-like модели на основе динамических блоков).
• Индексация и ранжирование на массиве документов (.pdf, .docx, .rtf и др.).
• Тесное взаимодействие с бизнес-заказчиком для выявления требований к AI-компоненте продукта и самостоятельная постановка задачи на основании извлечения vision.
• Участие в разработке архитектуры решения в части AI-компоненты (технологический стек для развертывания моделей в средах исполнения).
• Участие в стримах по валидации разработанных моделей и постановке их на автомониторинг.

Ожидания

• Опыт работы: 3–6 лет.
• Высшее техническое образование в сфере компьютерных наук, прикладной математики или статистики.
• Опыт в разработке NLP-моделей и рекомендательных систем (желательно).
• Понимание жизненного цикла моделей (CRISP-DM).
• Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
• Высокий уровень владения ядром Python и SQL.
• Свободное владение базовыми библиотеками на Python, в том числе: Pandas, NumPy, Matplotlib, Seaborn.
• Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, Pytorch, XGBoost, CatBoost, TensorFlow, Transformers.
• Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spaCy, RegExp.
• Знание архитектур нейронных сетей LSTM, трансформеры (BERT, BART).
• Контейнеризация: Docker, OpenShift.
• Linux.
• Инструменты DevOps (MLOps): Git, Jira, Bitbucket, Nexus, Jenkins.
• Индустриальный опыт разработки, обучения, тестирования, выведения моделей в эксплуатацию и мониторинга качества (не менее 3-х лет).
• Технический английский: статьи, документация.
• Преимущество: pet-projects на Github, владение Confluence, Jira, медали на Kaggle, готовность брать на себя коммуникацию с бизнес-заказчиком, опыт DS-менторства.

Условия

• Ипотека выгоднее на 4% для каждого сотрудника и льготные условия кредитования.
• Бесплатная подписка СберПрайм.
• Скидки на продукты компаний-партнеров.
• ДМС с первого дня и льготное страхование для близких.
• Корпоративная пенсионная программа.
• Обучение за счет Компании: онлайн-курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, Тренинги, митапы и возможность получить новую квалификацию.
• Крупнейшее DS&AI community — более 600 DS банка, включая: регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.