Модели динамического ценообразования. Прогноз досрочного погашения банковских продуктов. Оценка чувствительности процентного дохода к макрофакторам и поведению клиентов. Разбираться в сложных...
Компания набирает: 3438 вакансий
Коротко о вакансии
Зарплату работодатель не назвал — вилку обсуждают на собеседовании. Компания нанимает активно — открытых позиций сейчас 3438.
Описание вакансии
Ты специалист с опытом работы в Data Science более 3 лет? Хочешь работать на стыке DS и риск-менеджмента? Тогда тебе к нам, в Управление модельных рисков.
Мы не просто валидируем модели — мы управляем модельным риском и улучшаем модельный ландшафт Банка с помощью Data Science.
Строим системы предиктивной аналитики, сценарного анализа и даже обучаем LLM-агентов (наш внутренний фреймворк AIVA) для автоматизации валидации. Наш фокус — модели, участвующие в ключевых процессах Банка по управлению рисками ALM и ликвидности.
С какими моделями работаем?
Модели динамического ценообразования
Прогноз досрочного погашения банковских продуктов
Оценка чувствительности процентного дохода к макрофакторам и поведению клиентов
Обязанности
разбираться в сложных моделях (от классики до нейросетей)
погружаться в бизнес-процессы, проводить независимую оценку качества моделей
оценивать бизнес-эффект от деградации моделей и защищать свои решения перед бизнесом
применять LLM-фреймворки для автономизации работы
писать код, улучшать и создавать библиотеки для эффективной валидации.
Требования
глубокое понимание: ML/DL, временных рядов
владение Python: пишешь читаемые функции, быстро разбираешься в чужом коде
умеешь создавать окружения и оптимизировать код под Big Data
отлично разбираешься в теории вероятностей и мат. статистике (мы часто пишем новые методологии и количественные тесты).
Условия
офисный формат в Москве (Кутузовский пр, 32)
ежегодный пересмотр зарплаты и годовая премия
расширенный ДМС и льготное страхование для семьи
уникальная система обучения Сбера для профессионального и карьерного развития
выгодная ипотека для сотрудников
подписка Прайм с возможностью совместного использования на трёх близких
вознаграждение за рекомендацию друзей в команду Сбера
корпоративная пенсионная программа.
Вакансия опубликована 12 октября, проверена 19.10.2026. Открыть оригинал.
Как откликнуться
Отклик оформляется на странице работодателя — кнопка выше ведёт туда напрямую.
Перед отправкой стоит подогнать резюме под текст вакансии: работодатели читают первые строки и ищут в них свои слова.
Если рассылаете отклики десятками, посмотрите сервис автооткликов — он отправляет их за вас
по заданным настройкам, до 50 в сутки. Про сам поиск работы есть разбор в статье
как быстро найти работу.
Спросите нейросети о вакансии
Отвечает DeepSeek по данным этой страницы: зарплата против рынка, условия, работодатель
Вопросы по этой вакансии
Сколько платят на позиции «Data Scientist (валидация ml моделей)»?
Вилку работодатель не назвал — обсуждать деньги придётся на собеседовании. Для ориентира: в среднем по направлению «Дата-сайентист» платят 160 000 ₽.
Какой опыт нужен?
В требованиях указано: от 3 до 6 лет. Работать нужно на месте, город — Москва.
Вакансия ещё открыта?
Да, на 19.10.2026 она активна: каждую ночь каталог сверяется с источником, закрытые предложения помечаются и уходят из списков.
Сбер — высокотехнологичная компания и крупнейший банк в России, Центральной и Восточной Европе.
Мы собираем лучшие технологии и управленческие методы из мировой практики, обучаем и переобучаем сотрудников, заботимся об их физическом и ментальном здоровье, помогаем достигать поставленных целей и развиваться в выбранном направлении. Мы делаем всё возможное, чтобы каждый сотрудник чувствовал заботу …
Анализировать бизнес задачи/проблемы заказчика, транслировать их в аналитические задачи/решения для удовлетворения требований заказчика. Разрабатывать документы бизнес-требований по...
Можно удалённоОт 3 до 6 летДата-сайентистОпубликована 12 октября
Разрабатывать корпоративных AI-ассистентов, чат-ботов, copilot-сервисы и интеллектуальные интерфейсы для сотрудников и клиентов. Интегрировать внешние LLM через API...
Находить нужные дашборды и отчёты. Получать статистику и динамику показателей естественным языком. Генерировать новые визуализации (графики, виджеты, таблицы) на основе...
Управление командой рекрутеров: постановка целей, распределение нагрузки, развитие сотрудников и повышение эффективности команды. Ответственность за выполнение планов подбора и качество...
Определение видения и стратегии развития продуктовой линейки потребительского кредитования. Повышение доходности продукта и развитие системы ценообразования. Анализ рынка, моделей и...
Продюсирование амбассадоров: поиск проектов, интеграций и коллабораций с экосистемой Сбера; превращение бизнес-задач в органичный контент блогеров; полное сопровождение размещений...