Data Scientist in Sber Bank's Model Risk Management unit, validating ML models used in ALM and liquidity risk (dynamic pricing, early-repayment forecasting, interest-income sensitivity) and building LLM-agent automation (internal AIVA framework) plus libraries for validation. Core stack: Python, pandas/numpy/scipy, Hadoop, PyTorch/TensorFlow/scikit-learn; office-based in Moscow.
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