Вакансии

— Проводить исследования на основе большого количества реальных гитарных джемов. — Работать с open source моделями, адаптация под музыкальные задачи.

Location: Москва Ищем корпоративного архитектора на направление AI/LLM, эта роль на стыке enterprise-архитектуры, интеграций, платформенной инженерии, информационной безопасности, данных и прикладного AI. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, 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! Обязанности ### Обязанности: * разработка и поддержка текущих и целевой архитектуры, дорожной карты перехода * разработка референсных и типовых архитектур по направлению * архитектурное ревью инициатив по направлению, архитектурные исключения и технический долг направления * участие в разработке стандартов * консалтинг продуктовых команд и смежных архитекторов, разбор их дизайнов, обучение * диалог с бизнес-заказчиками: перевод «хотим ИИ» в архитектурно и экономически осмысленный сценарий, а иногда — обоснованное «здесь LLM не нужен» * подготовка архитектурных материалов на Архитектурный Совет и другие комитеты. Требования ### Требования: * 5+ лет в архитектуре (enterprise/solution/integration) с опытом владения доменом или крупной программой, а не отдельными системами. Разработка и поддержка текущих и целевой архитектуры, дорожной карты перехода. * разработка или проектирование распределённых систем: интеграции, протоколы, асинхронность, идемпотентность, отказоустойчивость, эволюция контрактов, развитие функционала, управление техническим долгом * информационная безопасность и работа с чувствительными данными в корпоративном контуре * опыт архитектурного описания и коммуникации: C4 или аналог, ADR, умение защищать решение перед инженерами и перед бизнесом на разных языках, умение аргументированно обосновывать архитектурные trade-off и защищать материалы на Архитектурных советах и других комитетах * навыки публичных выступлений, грамотная речь * разработка референсных и типовых архитектур по направлению, архитектурное ревью инициатив по направлению, архитектурные исключения и технический долг направления * участие в разработке стандартов, консалтинг продуктовых команд и смежных архитекторов, разбор их дизайнов, обучение. * подготовка архитектурных материалов на Архитектурный Совет и другие комитеты * знания в методологии MLops * разработка или Проектирование мультиагентных систем: оркестрация агентов, агентная память и управление знаниями агентов. ### Будет плюсом: * понимание ограничений технологии: недетерминированность, галлюцинации, стоимость и токеномика (FinOps), латентность, деградация на длинном контексте, границы применимости агентных схем * управление и безопасность агентов: guardrails, модельный риск и наблюдаемость * практический опыт работы с ИИ-агентами, который можно продемонстрировать (различные harness, управление skill-ами агента) * опыт развёртывания и эксплуатации LLM и Classic-ML моделей on-prem (inference-серверы, GPU-планирование, квантизация), понимание экономики AI/LLM * fine-tuning /дообучение/LoRA и понимание, когда он оправдан, и когда требуются другие подходы, опыт построения eval-контуров и LLM-observability * опыт работы в области B2G (документация, ГОСТы, требования к защите информации) TOGAF/ArchiMate, опыт работы с EA-репозиторием * наличие github/gitverse репозитория с pet-проектами. Условия ### Условия: * комфортный современный офис рядом с м. Кутузовская * формат работы - гибрид (офисный формат на период адаптации) * срочный договор до декабря 2027 года * ежегодный пересмотр зарплаты, годовая премия * 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 * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких.

Location: Москва Ищем ML Engineer для разработки AI-решений на базе больших языковых моделей (LLM). Предстоит заниматься созданием AI-агентов, мультиагентных систем, RAG-решений и адаптацией LLM под прикладные задачи. Специалист будет участвовать в полном цикле разработки: подготовка данных, дообучение моделей, разработка AI-архитектуры и внедрение решений в production. Обязанности ### Твои задачи: * разработка AI-агентов и мультиагентных систем * создание и оптимизация RAG-систем * разработка и настройка промптов (Prompt Engineering) * дообучение LLM * подготовка и обработка датасетов * настройка Embeddings, Vector Search, Hybrid Search * интеграция LLM с API, базами данных и корпоративными системами * оценка качества моделей и оптимизация результатов * развертывание и сопровождение AI-сервисов. Требования ### Мы ожидаем, что у тебя есть: * опыт разработки на Python от 3 лет * опыт работы с LLM и Generative AI * опыт разработки RAG-систем * опыт Fine-Tuning LLM (SFT, LoRA/QLoRA) * опыт работы с Hugging Face Transformers, PyTorch * понимание архитектуры Transformer * опыт работы с Prompt Engineering * опыт создания AI-агентов. **Будет плюсом:** * опыт работы с локальными LLM (Qwen и др.) * опыт развертывания моделей * опыт работы с GPU-инфраструктурой * опыт работы с Vector DB (Qdrant и др.) * опыт построения MLOps-процессов * знание MCP / A2A протоколов * опыт оценки качества LLM Условия ### Работа в СберТехе - это: * гибридный формат работы * годовой бонус и ежегодный пересмотр зарплаты * статус аккредитованной ИТ-компании * расширенный ДМС с первого дня и льготное страхование для семьи * корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях * 90 дней удаленной работы из любого региона РФ * льготная ипотека в Сбере * бесплатная подписка СберПрайм, которой можно поделиться с 3 близкими.

Location: Москва Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям: * находить нужные дашборды и отчёты * получать статистику и динамику показателей естественным языком * генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных * отвечать на вопросы, касающихся бизнес-показателей. Обязанности * повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов * лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения * тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций * интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику * взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач. Требования * опыт разработки LLM-приложений и/или агентных систем * глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания) * уверенное владение PyTorch и LangChain Будет плюсом: * опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных * опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов * знание MLOps-практик (CI/CD для ML, мониторинг моделей) * понимание архитектуры агентных систем * умение самостоятельно вести задачи от гипотезы до внедрения * опыт использования GigaChat, Kandinsky и аналогов в продуктах. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * 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.

Location: Москва Ищем корпоративного архитектора на направление AI/LLM, эта роль на стыке enterprise-архитектуры, интеграций, платформенной инженерии, информационной безопасности, данных и прикладного AI. Обязанности * разработка и поддержка текущих и целевой архитектуры, дорожной карты перехода * разработка референсных и типовых архитектур по направлению * архитектурное ревью инициатив по направлению, архитектурные исключения и технический долг направления * участие в разработке стандартов * консалтинг продуктовых команд и смежных архитекторов, разбор их дизайнов, обучение * диалог с бизнес-заказчиками: перевод «хотим ИИ» в архитектурно и экономически осмысленный сценарий, а иногда — обоснованное «здесь LLM не нужен» * подготовка архитектурных материалов на Архитектурный Совет и другие комитеты. Требования * 5+ лет в архитектуре (enterprise/solution/integration) с опытом владения доменом или крупной программой, а не отдельными системами. Разработка и поддержка текущих и целевой архитектуры, дорожной карты перехода. * разработка или проектирование распределённых систем: интеграции, протоколы, асинхронность, идемпотентность, отказоустойчивость, эволюция контрактов, развитие функционала, управление техническим долгом * информационная безопасность и работа с чувствительными данными в корпоративном контуре * опыт архитектурного описания и коммуникации: C4 или аналог, ADR, умение защищать решение перед инженерами и перед бизнесом на разных языках, умение аргументированно обосновывать архитектурные trade-off и защищать материалы на Архитектурных советах и других комитетах * навыки публичных выступлений, грамотная речь * разработка референсных и типовых архитектур по направлению, архитектурное ревью инициатив по направлению, архитектурные исключения и технический долг направления * участие в разработке стандартов, консалтинг продуктовых команд и смежных архитекторов, разбор их дизайнов, обучение. * подготовка архитектурных материалов на Архитектурный Совет и другие комитеты * знания в методологии MLops * разработка или Проектирование мультиагентных систем: оркестрация агентов, агентная память и управление знаниями агентов. **Будет плюсом:** * понимание ограничений технологии: недетерминированность, галлюцинации, стоимость и токеномика (FinOps), латентность, деградация на длинном контексте, границы применимости агентных схем * управление и безопасность агентов: guardrails, модельный риск и наблюдаемость * практический опыт работы с ИИ-агентами, который можно продемонстрировать (различные harness, управление skill-ами агента) * опыт развёртывания и эксплуатации LLM и Classic-ML моделей on-prem (inference-серверы, GPU-планирование, квантизация), понимание экономики AI/LLM * fine-tuning /дообучение/LoRA и понимание, когда он оправдан, и когда требуются другие подходы, опыт построения eval-контуров и LLM-observability * опыт работы в области B2G (документация, ГОСТы, требования к защите информации) TOGAF/ArchiMate, опыт работы с EA-репозиторием * наличие github/gitverse репозитория с pet-проектами. Условия * комфортный современный офис рядом с м. Кутузовская * формат работы - гибрид (офисный формат на период адаптации) * готовность к срочному договору до декабря 2027 г. * 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 * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких.

Задачи: — Повышение эффективности утилизации GPU: формирование гипотез, исследование способов повышения эффективности, участие в реализации и внедрении решений. — Формирование рекомендаций и лучших практик по повышению производительности GPU-инфраструктуры. — Оптимизация и профилирование: поиск узких мест в производительности и их устранение с помощью профилировщиков, оптимизация доступа к памяти, ядрам, времени ожидания и пропускной способности. — Развитие инструментов диагностики: создание и улучшение инструментов для выявления и устранения инфраструктурных проблем, влияющих на эффективность утилизации, стабильность и скорость GPU-вычислений для обучения и инференса. — Исследование и внедрение современных решений: изучение новейших подходов к организации инфраструктуры для обучения и инференса, оценка их эффективности и внедрение в проекты. — Анализ архитектуры, тестирование, интеграция: взаимодействие с разработчиками, ML-инженерами и системными архитекторами, участие в оценке аппаратных решений, предложение улучшений для будущих поколений GPU, разработка планов тестирования, формирование бенчмарков, анализ регрессий производительности. Требования: — Знание Python и опыт системного программирования, разработка библиотек или фреймворков. — Опыт работы с PyTorch и распределённым обучением через torch.distributed. — Применение подходов параллелизации (data parallelism, tensor parallelism, pipeline parallelism, expert parallelism) для распределённого инференса или обучения. — Интерес к LLM и MLOps, понимание задач и вызовов эксплуатации больших моделей в продакшене. — Опыт работы с GPU (NVIDIA) и CUDA: понимание архитектуры GPU, разработка или оптимизация алгоритмов под CUDA, использование Nsight, nvprof или аналогов. — Умение оптимизировать производительность GPU-приложений и повышать эффективность утилизации GPU. — Способность анализировать профили и метрики производительности. — Навыки чтения и оптимизации сложного кода. — Эффективная командная работа и готовность делиться знаниями. Будет плюсом: — Уверенное владение C/C++ или аналогичными низкоуровневыми языками. — Опыт работы с библиотеками RL-обучения для LLM: veRL, slime, NeMo-RL, SkyRL и другими. — Опыт работы с библиотеками инференса: vLLM, SGLang, TRTLLM. — Опыт оптимизации под реальные продакшен-нагрузки, работа с low-latency- или real-time-системами.

In this role, you will work on the development and continuous improvement of Sophea AI, expanding our LLM capabilities across European languages, with a particular focus on Polish. You will be deeply involved in LLM pre-training, training from scratch, fine-tuning, model evaluation, inference optimization, and production-grade ML systems.

Location: Москва Мы развиваем продукт DataQuality - систему мониторинга качества данных, которая в реальном времени следит за потоком событий антифрод-платформы: согласованность полей, заполненность расчетов, стабильность скорингов и агрегатов, статистику срабатывания фрод-правил, пропажу типов событий. Мы ищем аналитика данных, который возьмет на себя две связанные задачи: довести систему алертов до состояния, когда сигналов мало, но каждый по делу, и исследовать связанные с данными обращения пользователей антифрод-платформы, находя в них подсказки о том, что мы еще не умеем мониторить. Это техническая роль. Поток платформы - тысячи событий в секунду, история в Hadoop - миллиарды строк. Поэтому нужно понимать, как Spark исполняет ваш запрос, и уверенно владеть статистикой: пороги алертов выводятся из распределений, а не подбираются на глаз. Роль хорошо подойдет тем, кто работал с ML (обучал и оценивал модели, искал аномалии, следил за дрейфом признаков), но не хочет уходить в Data Science или MLOps. У нас статистика и ML-подходы применяются к прикладной задаче с быстрым результатом: настроенная вами проверка уже завтра ловит реальный инцидент на боевом потоке. Обязанности * разбирать поток срабатываний проверок качества данных, отличая реальную деградацию от шума и ложных сигналов * настраивать проверки так, чтобы снижать долю ложных срабатываний: подбирать пороги по уровням severity, окно агрегации и базовый период на основе распределения метрики за исторический период, а не «на глаз» * копать до первопричины срабатываний: идти в сырые события, поднимать историю, сопоставлять с релизами и инцидентами * оценивать качество алертов: сколько сигналов были ложными и почему (строгий порог, короткое окно, сезонность, редкий тип события) * развивать методы детектирования: проверять статистические и ML-подходы к поиску аномалий и дрейфа на временных рядах и распределениях скорингов, оценивать их на истории инцидентов и предлагать, что включать в продукт * работать с полной историей событий в Hadoop: писать запросы и расчеты на Spark SQL и PySpark так, чтобы они укладывались в ресурсы общего кластера * исследовать обращения, которые пользователи антифрод-платформы пишут в поддержку, и вытаскивать из них реальную проблему с данными * соотносить обращения с текущим покрытием мониторинга: понимать, что уже отлавливается проверками, а где инструмента нет * доводить находку до понятного «полуфабриката»: проблема, подтвержденная на данных, и передавать ее системному аналитику, который оформит из нее требования для команды разработки. Требования * опыт в аналитике данных или Data Science от трех лет, включая работу с потоковыми или near-real-time данными и с большими объемами в Hadoop / Spark * Spark SQL и PySpark на больших объемах - ежедневный инструмент: условия проверок в системе пишутся на Spark SQL. Важно понимать, как запрос исполняется. Нужно уметь прочитать план запроса и оценить его стоимость до запуска: кластер общий, и тяжелый запрос по полной истории мешает всем * SQL уверенно: оконные функции, многошаговые агрегации, джойны с контролем кардинальности, корректная работа с NULL и типами. Понимание, почему запрос деградирует, и чем колоночная СУБД отличается от строчной; опыт с ClickHouse будет плюсом * Python как основной рабочий инструмент, а не эпизодический. Способность быстро написать скрипт, который поднимет историю срабатываний и покажет, какие пороги дают ложные сигналы * теория вероятностей и математическая статистика на уровне уверенного применения: доверительные интервалы, проверка гипотез, ошибки первого и второго рода и тд * прикладная статистика для мониторинга: дрейф распределений (PSI), отклонение среднего и дисперсии от базовой линии, выбросы (z-score / IQR), сезонность; precision / recall применительно к алертам. Меры расхождения распределений и принятые для них пороговые значения, баланс ложноположительных и ложноотрицательных срабатываний * практический опыт с ML: потребуется понимать метрики качества, как работает переобучение, дрейф признаков и то, как качество данных влияет на модель. Выводить модели в продакшен не потребуется * понимание принципов мониторинга качества данных: типы проверок, уровни severity и то, что за ними стоят разные действия от информирования до инцидента * системный взгляд и исследовательская жилка: видеть картину целиком, не лечить симптом порогом, если корень в источнике данных, и копать до истины Будет плюсом: * понимание работы фрод-правил и скорингов * опыт оптимизации расчетов на Spark * опыт ML-детектирования аномалий и дрейфа данных в промышленном мониторинге (это направление у нас в развитии) * опыт работы в поддержке / эксплуатации: разбор инцидентов, приоритизация обращений * опыт с инструментами контроля качества данных: Great Expectations, Soda, Evidently, Monte Carlo. Отдельно ценим понимание, где их настройки по умолчанию перестают работать на больших объемах * опыт с каталогами данных и lineage: Atlas, DataHub, OpenLineage * опыт работы с ИИ-ассистентами при разборе кода. Условия * комфортный современный офис в Москве, Кутузовский, 32 * график работы – офис * ежегодный пересмотр зарплаты, квартальная и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для Junior позиций) * 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 Сбер

Creating new and improving existing AI solutions Involvement in the whole process of data-driven development from analyzing product requirements to launching the feature or system to production (with the help of MLOps specialists) and improving it based on results of monitoring and feedback.

Проводить исследования на основе большого количества реальных гитарных джемов. Работать с существующими open source моделями и трансформировать их под музыкальные задачи.

Location: San Francisco, CA Workplace: OnSite ABOUT US Sierra is the leading platform for customer-facing AI agents, working with many of the world's biggest brands — including The GAP, Rocket Mortgage, SoFi, Sutter Health, and SoftBank — to transform how they serve customers and grow their businesses. We are primarily an in-person company based in San Francisco, with growing offices across North America, Europe, and Asia. We are guided by a set of values that are at the core of our actions and define our culture: Trust, Customer Obsession, Craftsmanship, Intensity, and a commitment to balancing Family along the way. These values are the foundation of our work, and we are committed to upholding them in everything we do. Our co-founders are Bret Taylor https://www.linkedin.com/in/brettaylor/ and Clay Bavor https://www.linkedin.com/in/claybavor/. Bret currently serves as Board Chair of OpenAI. Previously, he was co-CEO of Salesforce (which had acquired the company he founded, Quip) and CTO of Facebook. Bret was also one of Google's earliest product managers and co-creator of Google Maps. Before founding Sierra, Clay spent 18 years at Google, where he most recently led Google Labs. Earlier, he started and led Google’s AR/VR effort, Project Starline, and Google Lens. Before that, Clay led the product and design teams for Google Workspace. ABOUT THE ROLE Sierra’s AI agents depend on foundation models to reason and act in real time. The Inference team builds the systems that make those models fast, reliable, and efficient at scale. As a Software Engineer on Inference, you’ll help define Sierra’s inference architecture across both self-hosted models and third-party inference providers. You’ll work on the systems responsible for serving and routing inference, managing capacity and quota, and optimizing for latency, reliability, and cost. This is a systems-first role at the intersection of distributed infrastructure and AI. You don’t need to be an ML researcher—we’re looking for engineers who love complex systems problems and are excited to apply that expertise to one of the fastest-moving areas of AI infrastructure. WHAT YOU'LL DO - Partner with frontier labs and providers. At our scale, we rely on frontier labs, and inference providers to supply capacity, training and inference infrastructure. - Shape Sierra’s inference architecture. Design how inference traffic flows across models, infrastructure, and providers, including new serving and proxy layers as Sierra scales. - Build for low latency and high reliability. Develop systems for routing, failover, capacity management, and quota that keep inference performant and available across large-scale production workloads. - Build and operate self-hosted inference. Run models on GPU infrastructure, from building containers and operating inference engines to managing the underlying compute capacity. - Optimize inference performance. Work with the Applied Research team on techniques such as speculative decoding and serving-engine optimizations that improve latency, throughput, and cost. - Build across a hybrid inference stack. Work with both Sierra-managed infrastructure and leading inference platforms, making architectural decisions about where and how workloads should run. - Push the serving stack forward. Work closely with inference providers to tune engines and infrastructure for Sierra’s workloads. - Support the broader model lifecycle. Contribute to infrastructure that enables post-training while partnering closely with our Models and Agent Runtime teams. WHAT YOU'LL BRING - Deep systems thinking and strong distributed systems fundamentals. - Experience designing, building, and operating large-scale production systems. - Strong judgment around tradeoffs involving latency, reliability, capacity, and cost. - Experience taking ownership of complex infrastructure from architecture through production operation. - Excitement about applying systems expertise to AI infrastructure and learning quickly as the underlying technology evolves. EVEN BETTER - Experience with ML infrastructure, MLOps, or production inference systems. - Experience serving LLMs or other large models at scale. - Experience operating self-hosted inference and GPU infrastructure. - Familiarity with inference frameworks such as vLLM or SGLang. - Experience with post-training infrastructure or inference-performance optimization. OUR VALUES - Trust: We build trust with our customers with our accountability, empathy, quality, and responsiveness. We build trust in AI by making it more accessible, safe, and useful. We build trust with each other by showing up for each other professionally and personally, creating an environment that enables all of us to do our best work. - Customer Obsession: We deeply understand our customers’ business goals and relentlessly focus on driving outcomes, not just technical milestones. Everyone at the company knows and spends time with our customers. When our customer is having an issue, we drop everything and fix it. - Craftsmanship: We get the details right, from the words on the page to the system architecture. We have good taste. When we notice something isn’t right, we take the time to fix it. We are proud of the products we produce. We continuously self-reflect to continuously self-improve. - Intensity: We know we don’t have the luxury of patience. We play to win. We care about our product being the best, and when it isn’t, we fix it. When we fail, we talk about it openly and without blame so we succeed the next time. - Family: We know that balance and intensity are compatible, and we model it in our actions and processes. We are the best technology company for parents. We support and respect each other and celebrate each other’s personal and professional achievements. WHAT WE OFFER We want our benefits to reflect our values and offer the following to full-time employees: - Flexible (unlimited) paid time off - Medical, dental, and vision benefits for you and your family - Life insurance and disability benefits - Retirement plan dependent on country of employment - Parental leave - Fertility and family building benefits through Carrot - Lunch, as well as delicious snacks and coffee to keep you energized  - Discretionary benefit stipend giving people the ability to spend where it matters most - Free alphorn lessons These benefits are further detailed in Sierra's policies, may vary by region, and are subject to change at any time, consistent with the terms of any applicable compensation or benefits plans. Eligible full-time employees can participate in Sierra's equity plans subject to the terms of the applicable plans and policies. BE YOU, WITH US We're working to bring the transformative power of AI to every organization in the world. To do so, it is important to us that the diversity of our employees represents the diversity of our customers. We believe that our work and culture are better when we encourage, support, and respect different skills and experiences represented within our team. We encourage you to apply even if your experience doesn't precisely match the job description. We strive to evaluate all applicants consistently without regard to race, color, religion, gender, national origin, age, disability, veteran status, pregnancy, gender expression or identity, sexual orientation, citizenship, or any other legally protected class.

Опыт проектирования высоконагруженных распределённых систем: горизонтальное масштабирование, отказоустойчивость, балансировка нагрузки, кэширование, очереди, rate limiting, graceful degradation. Опыт встраивания ML-сервисов в корпоративную архитектуру: интеграция с API Gateway, IAM/SSO, корпоративными шинами, системами мониторинга и журналирования.

Предоставлять согласованные показатели производительности в масштабах всей платформы для всех рабочих нагрузок и команд, выполняющих логический вывод, обеспечивая четкое представление об эффективности системы и узких местах.

- Проектировать и развивать cloud-инфраструктуру для AI/ML-продуктов. - Развертывать и масштабировать AI/ML workloads в production, включая LLM inference и model serving.

As a Strategic Solution Architect, Presales in JFrog you will... Engage with JFrog’s most strategic customers to ensure their success in their DevSecOps journey leveraging JFrog’s products.

-Реализация полного цикла разработки моделей и ML-решений: от постановки задачи до передачи на внедрение и мониторинг. -Генерация ML-решений для задач бизнеса, формирование БТ моделей и ТЗ для смежных команд.

— Разработка масштабной системы видеомониторинга и интеллектуальной видеоаналитики. — Техническое лидерство направления Computer Vision.

Location: Москва Мы рады пригласить **руководителя направления-методолога AI Governance** в команду Sber AI. Мы развиваем AI, занимаемся созданием инфраструктуры для AI, управляем процессом и настраиваем роли, обеспечивающие разработку и внедрения AI-решений в Банке. Наша команда отвечает за аналитику в области AI, внедрение AI Governance стандартов, разработку методологии и дизайн процессов, мы также проводим различные аналитические исследования по развитию AI рынков и технологий. Мы верим, что именно люди создают атмосферу и являются драйверами инноваций. Если тебе интересно развиваться в области AI, присоединяйся к нам. Обязанности * определение процессов и систем управления процессами разработки и внедрения AI-решений (Ml-моделей, AI-агентов) * проведение анализа рынка и обеспечение актуальности технологий, используемых для разработки и внедрения AI-решений в Банке * обеспечение поддержки функционирования проектов на всех этапах жизненного цикла, контроль выполнения сроков и объемов работ, подготовка статус-отчетов * разработка экспертных рекомендаций для руководства по стратегическим направлениям развития AI-Governance в Банкe (ролевые модели, процессы, целевая инфраструктура и тех.стек) * сбор, анализ и агрегация требований по CDS-вертикали к инструментам и процессам, обеспечивающим разработку ML-моделей и AI-агентов в Банке * внедрение дэшбордов по управлению портфелем AI-инициатив в Банке * проектирование логики сбора и визуализации "цифровых следов" работы команд D-people при разработке AI-решений (ML-моделей и AI-агентов) * организация взаимодействия между специалистами разного профиля, как внутри команды, так и вне для достижений поставленных целей * анализ ключевых международных AI-решений, в том числе с детальным пониманием используемых технологий, преимуществ и недостатков данных технологий * работа с внутренними нормативными документами Банка. **Почему** **эта позиция для вас?** * возможность внести вклад в развитие самой перспективной сферы — искусственный интеллект * работа в крупной компании с широкими возможностями для карьерного роста * дружелюбная атмосфера и профессиональная поддержка со стороны коллег. Требования * высшее техническое образование * знание методик разработки моделей машинного обучения; * знание практик MlOps /технологий, используемых для разработки и внедрения AI-решений * понимание полного цикла разработки цифровых продуктов: от исследования и гипотезы до запуска и анализа * понимание принципов работы LLM/VLM, ML-инструментов и их влияния на пользовательский опыт * знание основ создания и логики работы AI-агентов * отличное знание трендов и SOTA-технологий в области AI (в т.ч. ключевых игроков и решений на международном рынке) * опыт анализа и разработки концептуальных архитектур для AI-решений; * практический опыт проектного менеджмента (умение четко описать и структурировать сложную задачу/проект, и обеспечить ее автономную реализацию) * аналитическое мышление: способность быстро анализировать информацию, выявлять закономерности и тенденции, формировать обоснованные выводы и рекомендации * грамотный русский язык, развитые навыки устной и письменной коммуникации, включая ведение деловой переписки * отличное владение визуальными средствами коммуникации, инструментов визуализации данных, подготовка и проведение презентаций * развитые навыки формирования отчетов и презентаций, в том числе с рекомендациями для принятия управленческих решений * уровень английского языка Intermediate и выше. **Будет преимуществом:** * опыт работы в стратегическом консалтинге, R&D, технологических компаниях уровня BigTech или крупных банков * инструментальное владение AI для анализа, исследования, генерации и автоматизации рутинных процессов * навыки работы с Python * знание современного стека технологий: BitBucket, Jira, Confluence, Pycharm, Jenkins, Kubernetes, Spark 3.2+, LangChain, LangGraph и тп.) * опыт работы в качестве Data Engineer / Data Analyst/ Data Scientist или Machine Learning Engineer * дополнительное образование в области управления проектами и наличие сертификатов (PMI PMP, PRINCE и др.). Условия * комфортный современный офис - м. Кутузовская * ежегодный пересмотр зарплаты, годовой бонус * 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 * 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 * корпоративная пенсионная программа.