ML Engineer (Цент практического ИИ)

Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов.

Задачи берутся из повседневной практики бизнеса.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

СБЕР

• разрабатывать, оптимизировать и поддерживать NLP/мультимодальные пайплайны, включая RAG-системы и ассистентов для бизнес-задач
• создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка)
• участвовать в формировании и проверке гипотез для улучшения качества моделей и пайплайнов
• интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг
• адаптировать и внедрять результаты исследований в прикладные решения
• разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML
• обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг)
• участвовать в выборе и настройке инфраструктуры для инференса и обучения.

• уверенные технические навыки
• глубокие знания NLP и уверенная база в классическом ML
• опыт разработки RAG-систем, ML-ассистентов, работа с векторными хранилищами и retrieval-стеком
• опыт разработки и продакшен-внедрения ML-сервисов
• отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
• опыт работы с мультиагентными фреймворками (LangGraph, LlamaIndex или другие)
• уверенное владение инструментами разработки и инфраструктуры: bash, Docker/Openshift/Kubernetes, Git
• опыт упаковки моделей в сервисы и интерфейсы (FastAPI, Flask, Tornado; будет плюсом UI-фреймворки типа StreamLit/ChainLit)
• понимание технологий инференса и обучения больших моделей (vLLM, DeepSpeed, Accelerate)
• опыт интеграции генеративных моделей в реальные бизнес-процессы
• знание CI/CD для ML/infra (GitLab CI/GitHub Actions/ArgoCD)
• навыки профилирования, оптимизации и мониторинга систем в проде (Prometheus/Grafana/OpenTelemetry)
• понимание MLOps-паттернов: feature store, model registry, rollout/rollback стратегий.

Будет плюсом:

• опыт работы с мультимодальными моделями (Vision/Audio LLMs)
• опыт распределённого обучения и оптимизации больших моделей.

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• офисный формат работы (возможно обсудить гибрид после исп.срока)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.