Junior+ Data Scientist в направлении Uplift-моделирования CLTV

Привет! Мы — Data Science команда (6 человек) из управление блока «Финансы» ПАО Сбербанк.

Мы развиваем решения в области uplift-моделирования, causal inference и сценарного анализа, чтобы строить персонализированные стратегии взаимодействия с клиентами. Работаем на стыке аналитики и R&D: у нас в приоритете не просто обучение моделей, а глубокое понимание, как они работают и почему они дают те или иные прогнозы.

Сейчас мы ищем Junior+ Data Scientist, который усилит нашу команду в проектах по оценке эффекта на метрику CLTV и принятию решений с опорой на данные.

Наш стек: Python (scikit-learn, CatBoost, causal-learn, DoWhy, EconML, Hypex), Hadoop (PySpark, Hive, HDFS)

Вы будете:

- Разрабатывать и внедрять модели оценки влияния различных воздействий на поведение клиентов;

- Проводить R&D и искать лучшие методы моделирования и интерпретации эффекта;

- Участвовать в формализации задач, общаться с заказчиком и предлагать ML-решения;

- Взаимодействовать с Data Engineers для построения необходимых витрин и пайплайнов.

Пример задачи на первые 3 месяца:
- Разработать ХХХ моделей по расчету uplift-эффекта на метрику CLTV при взятии клиентом

От кандидата нам важно:

- Понимание uplift-методов (T-learner, S-learner, DR-learner) и what-if анализа (causal inference);

- Опыт в Python + ML/DL от 0.5 года;

- Умение формулировать гипотезы и проверять их на данных.

Будет плюсом:

- Коммерческий опыт с uplift-моделями;

- Опыт работы с большими данными (Spark, Hadoop) – преимущество.

С нами классно работать:

Влияние: наши модели определяют стратегию для миллионов клиентов.

R&D: Экспериментируем с state-of-the-art подходами (например, Meta-Learners);

‍ Менторинг по causal inference от lead DS;

⚙️ Инженерная культура: CI/CD, MLflow, ревью кода.

Живая команда: Обсуждаем идеи , учимся друг у друга , растем вместе .

Локация и бенефиты:

• Бесплатный доступ к образовательным ресурсам: Karpov, курсы от SkolTech, МФТИ, внутренние ML-курсы
• Офис у м. Ленинский проспект (10 мин пешком)
• ️ Корпоративный спортзал / ДМС
• ☕ Coffee-points с профессиональными кофемашинами

Процесс отбора:

1. Техническое собеседование с Senior (1 час) + общение с Team Lead (30 минут)
2. Собеседование с CDS Блока Финансы