Team Lead в рекомендательных системах e-commerce (RecSys)
Описание
ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее. Ждем именно тебя! Дорогой кандидат, мы – команда экспертов, объединенных общей страстью к искусственному интеллекту и рекомендательным системам (RecSys). Нашей главной задачей является создание современной, масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей, предлагая персонализированные рекомендации на каждом этапе их взаимодействия с экосистемой Сбер. Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения. Развитие нашей платформы строится вокруг внедрения новейших state-of-the-art (SOTA) моделей. Мы следим за мировыми трендами, экспериментируем с новыми подходами, внедряем их как часть платформы и доводим до конкретного применения в бизнесе. Мы ищем Team Lead Data Scientist для DS-команды, которая развивает рекомендательные системы в e-commerce-продуктах экосистемы — Купер, Самокат и Мегамаркет. Ваша роль будет ключевой в создании персонализации, которая улучшает пользовательский опыт и напрямую влияет на конверсию, GMV, retention и эффективность бизнеса. Если вам интересно строить рекомендации для миллионов пользователей и развивать сильную DS-команду — присоединяйтесь к нам! Обязанности управлять DS-командой, отвечающей за развитие рекомендательных систем в e-commerce-направлениях экосистемы Сбер формировать техническое видение и roadmap развития рекомендательных моделей разрабатывать и совершенствовать End-to-End ML-пайплайны для персональных рекомендаций: от генерации гипотез и R&D до внедрения моделей в production определять и улучшать ML- и бизнес-метрики качества рекомендаций организовывать процесс проверки гипотез: offline-валидация, A/B-тесты, анализ результатов и принятие решений раскатке обеспечивать качество, надежность и масштабируемость ML-решений в высоконагруженной e-commerce среде развивать компетенции команды: проводить ревью решений, помогать с индивидуальными планами развития, выстраивать инженерную и исследовательскую культуру. Требования опыт управления DS/ML-командой от 3 лет опыт разработки и внедрения End-to-End ML-решений: от идеи и прототипа до production и мониторинга качества практический опыт в рекомендательных системах, ранжировании, поиске, персонализации или смежных ML-направлениях опыт работы с большими данными и production ML-пайплайнами понимание принципов проведения A/B-тестов и оценки бизнес-эффекта ML-моделей навык работы с продуктовыми и бизнес-командами: умение переводить бизнес-задачи в ML-гипотезы и понятные технические решения системное мышление, проактивность и желание не только решать поставленные задачи, но и формировать направление развития продукта сильные лидерские качества: умение мотивировать команду, развивать людей, выстраивать процессы и добиваться результата навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки. Будет большим плюсом: опыт работы в e-commerce, retail, foodtech, marketplace или delivery-продуктах опыт работы с highload ML-системами и real-time / near-real-time рекомендациями опыт работы с LLM / Generative AI и понимание того, как их можно применять в рекомендательных сценариях опыт выстраивания ML-платформенных решений, переиспользуемых компонентов и библиотек для RecSys. Стек технологий: Python, PySpark, PyTorch, RePlay, GigaChat, Airflow, MLflow, Kubernetes, Redis, Kafka, S3, FastAPI и другие инструменты для разработки, обучения, внедрения и мониторинга ML-моделей. Условия комфортный современный офис рядом с 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 гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ подписка Прайм с возможностью совместного использования на трёх близких вознаграждение за рекомендацию друзей в команду Сбера.