СберMiddle/Senior Deep Learning Engineer (Graph Neural Networks & Anti-Fraud)
Москва
Команда разрабатывает антифрод‑платформу на графовых моделях для предотвращения мошенничества. Вы будете проектировать и выводить в продакшен GNN/temporal‑модели для анализа транзакций и поведения пользователей, повышая безопасность миллионов клиентов
ГрейдMiddle/Senior
Опытот 2 лет
Стек
PythonPyTorchPySparkHadoopPyTorch GeometricPyTorch BigGraphTransformersGNN
Задачи
- •Проектирование и обучение GNN для классификации узлов, предсказания связей и кластеризации
- •Работа с темпоральными/динамическими графами и историей поведенческих паттернов
- •Оптимизация инференса и подготовка GNN к продакшену
- •Участие в нагрузочном тестировании и внедрениях моделей
- •R&D: исследование трансформерных архитектур и методов Recsys для антифрода
Обязательно
- •от 2 лет коммерческого опыта с Deep Learning и довода моделей до релиза
- •Уверенный Python и PyTorch, написание продакшен‑кода
- •Глубокая экспертиза в GNN и опыт продакшен‑внедрений (например PyTorch Geometric, PyTorch BigGraph, GAT, TGN)
- •Опыт работы с Big Data и распределёнными средами (PySpark, Hadoop)
- •Понимание NLP и Transformers и применение attention к последовательным/графовым данным
Будет плюсом
- •Опыт с динамическими графами (Dynamic Graph Neural Networks)
- •Навыки R&D: формулировка гипотез, дизайн экспериментов и оценка метрик
- •Публикации и выступления на конференциях
