Команда «Мотивационный профиль» создает новый подход к работе с клиентом, который позволит перейти от классической персонализации к более глубокому пониманию человека на основе психологии. Мы извлекаем из данных психометрические характеристики — ценности, страхи, особенности характера и принятия решений — и используем их в продуктах банка и экосистемы.

Для построения мотивационного профиля мы используем анкеты, подробные интервью, поведенческие и транзакционные данные. Работаем с известными психометрическими методиками и подходами, разработанными исследовательской командой. Одна из ключевых задач — научиться надежно определять психометрические характеристики на ограниченных выборках, масштабировать их на широкую клиентскую базу и использовать в рекомендательных сценариях и моделировании клиентских реакций.

Обязанности

* работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки

* подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы

* сравнивать методы моделирования — от rule-based решений и классического ML до моделей на основе embeddings и LLM

* обучать модели для предсказания психометрических и поведенческих характеристик клиента

* масштабировать характеристики, доступные для ограниченной выборки клиентов, на широкую клиентскую базу

* оценивать модели как по стандартным ML-метрикам, так и по тому, насколько хорошо их результаты работают в прикладных сценариях - сегментации, персонализации и моделировании поведения клиента

*  работать с неструктурированными данными, в том числе с текстами глубинных интервью

* строить пайплайны обработки текста: чанкинг, построение эмбеддингов, кластеризация и извлечение признаков

* сопоставлять информацию из текстов с поведенческими и транзакционными данными

* проверять качество разметки и данных, анализировать смещения выборки и устойчивость полученных признаков

* оценивать репрезентативность обучающей выборки и возможность переноса результатов на широкую клиентскую базу.

Требования

* опыт работы Data Scientist / ML Engineer от 2–3 лет

* уверенное знание Python и стандартного DS/ML-стека: pandas, numpy, scikit-learn, CatBoost / LightGBM / XGBoost

* опыт построения supervised ML-моделей для табличных данных

* хорошее понимание задач классификации, регрессии и ранжирования

* опыт работы с текстовыми данными и NLP: embeddings, sentence-transformers, кластеризация, классификация текстов, семантический поиск

* понимание основных подходов к работе с LLM: prompting, few-shot, zero-shot, LLM-разметка и оценка качества LLM-ответов

* умение проектировать метрики и схемы offline-валидации для нестандартных задач

* умение работать с неоднозначными таргетами, шумной разметкой и неполными данными

* уверенная работа с большими данными

* способность переводить бизнес-гипотезу в ML-задачу: формализовать постановку, определить требования к данным и метрикам, учесть ограничения и сформулировать критерии успешности

* умение понятно объяснять результаты как ML-специалистам, так и продуктовой команде.

Условия

* комфортный современный офис рядом с м. Кутузовская

* возможность выбрать удобный график – офис/гибрид

* ежегодный пересмотр зарплаты, годовая премия

* корпоративный спортзал и зоны отдыха

* более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

* программа адаптации и помощь руководителя на старте

* 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.