Skip to content
Search jobs inside your AI agent. Claude, ChatGPT, Claude Code, Codex, Gemini, Cursor and Grok
Connect

Сбер. Кибербезопасность

NewBe an early applicant

ML engineer (антифрод)

Posted Updated

Summary

ML engineer on Sber's cybersecurity antifraud team building an R&D AutoML system that automatically optimizes and generates antifraud rules while keeping quality metrics. Day to day: classic ML research and experiments (rule learning, set cover, rule extraction from tree ensembles) in Python/SQL with sklearn/CatBoost, plus data work in Hadoop, feeding components into a production AutoML pipeline.

Новый R&D проект по созданию AutoML для оптимизации системы Антифрод-правил.

Эффективность нашей системы Антифрод очень высока, однако этот результат достигается в том числе за счет мощной, но крайне сложной системы ветвистых правил и условий, которые годами создавались и поддерживались экспертами вручную.

Мы создаем инновационный механизм автоматической оптимизации и генерации антифрод-правил. Перед нами стоит амбициозная цель - перестроить сложные бизнес-правила с помощью автоматических алгоритмов, удерживая и улучшая метрики качества. Под капотом - симбиоз классического машинного обучения, методов оптимизации и извлечения знаний из данных. Это чистый R&D с прямым путем в Production

Обязанности

  • Исследования и R&D: Формулировать гипотезы, проводить эксперименты и искать новые математические и алгоритмические подходы к оптимизации и генерации правил
  • (rule learning, set cover, извлечение правил из ансамблей деревьев, кластеризация и тд).
  • Разработка ML-решений: Полный спектр задач классического машинного обучения для покрытия сложной логики принятия решений в Антифроде.
  • Работа с данными: Самостоятельно добывать, готовить и исследовать данные в хранилище Hadoop.
  • Внедрение: Разрабатывать решения на Python, встраивать компоненты в общий пайплайн AutoML.

Требования

  • Опыт: От 2 лет коммерческого опыта в роли Data Scientist или ML-инженера.
  • Широкий ML-кругозор: Уверенное практическое применение классического ML для задач классификации, регрессии и кластеризации (sklearn, Catboost и тд).
  • Инструментарий: Отличные практические навыки работы с Python и SQL. Уверенное владение библиотеками для анализа данных (Pandas, Polars).
  • Mindset: Пытливый ум, любовь к решению нестандартных задач и высокая толерантность к неопределенности. Готовность проводить много экспериментов, из которых не все будут успешными, но каждый будет давать новое знание.

Будет значительным преимуществом

  • Опыт работы с Big Data стеком: PySpark, Hadoop, Hive.
  • Опыт разработки AutoML-фреймворка, методов оптимизации с помощью ML-решений
  • Знание домена антифрод или информационной безопасности (финтех, телеком): понимание признаков и схем мошенничества

Условия

  • комфортный современный офис рядом с м. Кутузовская, формат работы - офис
  • 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
  • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
  • вознаграждение за рекомендацию друзей в команду Сбера.

Skills

Apply

See also

ML / AI jobs by country — openings, pay and top skills →