Вакансии

Location: Москва Workplace: Офисный VK Видео — крупнейший российский видеосервис: ежедневно им пользуются десятки миллионов человек. Перед нами стоит амбициозная задача — развивать видеосервис № 1 в России и внедрять новые технологии. Задачи Организация и контроль реализации портфеля проектов в области искусственного интеллекта Обеспечение достижения целевых показателей проектов по срокам, бюджету, качеству и ожидаемому бизнес-эффекту Координация работы проектных команд и управление взаимодействием между бизнес-подразделениями, разработкой, аналитикой, инженерными командами и другими участниками проектов Управление рисками, зависимостями и изменениями в проектах, своевременная эскалация критических вопросов Развитие и совершенствование процессов проектного управления, внедрение единых стандартов, шаблонов и лучших практик Формирование и развитие культуры эффективного управления проектами в подразделении Контроль соблюдения проектной методологии и качества ведения проектной документации Подготовка консолидированной отчётности по портфелю проектов для руководства Участие в стратегическом планировании развития AI-направления, оценке новых инициатив и формировании проектного портфеля Организация эффективного взаимодействия с внутренними и внешними заинтересованными сторонами Требования Высшее образование (техническое, ИТ, математическое, экономическое или в области управления проектами) Опыт управления ИТ-проектами не менее трёх лет, включая опыт реализации сложных цифровых проектов. Преимуществом будут ML-проекты Опыт работы с А/В-тестами от этапа дизайна до приёмки результатов Практический опыт управления портфелем проектов и координации нескольких проектов одновременно Знание современных методологий управления проектами (Agile, Scrum, Kanban, Waterfall, Hybrid) Опыт управления сроками, бюджетом, ресурсами, рисками и изменениями Понимание жизненного цикла разработки программного обеспечения и AI-решений Базовое понимание технологий искусственного интеллекта, включая генеративный AI, большие языковые модели (LLM), RAG, машинное обучение и особенности реализации AI-проектов Опыт взаимодействия с бизнес-заказчиками, продуктовыми командами, разработчиками и руководителями различных уровней Опыт подготовки управленческой отчётности и презентации статуса проектов руководству Развитые лидерские качества Системное мышление, высокий уровень ответственности, развитые коммуникативные и организационные навыки Будет плюсом Наличие профессиональных сертификаций в области управления проектами (PMP, PRINCE2, PMI-ACP, Scrum Master и другие).

-Развивать стратегию и roadmap AI-агента. -Проектировать AI Agents и многошаговые сценарии взаимодействия.

Location: Москва Ищем сильного Product Owner в "Центр моделирования данных и AI-решений в строительстве". Наше направление специализируется на разработке и применении технологий искусственного интеллекта для оптимизации строительных процессов. Команда работает над рядом уникальных и инновационных проектов. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным! Обязанности * **Управление созданием AI-агентов** для экосистемы управления эффективностью строительства: от разработки концепции до релиза и масштабирования (Computer Vision, генерация контента, работа с BIM и документацией); * Продуктовое управление линейкой AI-агентов; * Активное участие в трансформации процессов строительства объектов: пересмотр текущих workflow, внедрение автоматизации, отказ от устаревших рутинных практик; * Формирование и развитие собственной команды разработки (ML-инженеры, бэкенд, аналитики), постановкой OKR и управлением бэклогом; * Постоянное взаимодействие со стейхолдерами и представителями других команд. Требования * **Опыт работы Product Manager / Product Owner от 5 лет** (управление цифровыми продуктами, а не проектный менеджмент); * **Опыт работы с AI-продуктами от 2-3 лет:** глубокое понимание жизненного цикла ML-моделей, управление качеством данных, работа с метриками моделей (Accuracy, Recall), опыт написания требований к датасетам; * Наличие готовых кейсов по созданию AI-агентов (ChatGPT-подобные решения на корпоративных данных, агентные workflow, RAG-системы, работа с промпт-инжинирингом); * **Бэкграунд в строительной отрасли:** глубокое понимание процессов СМР (строительно-монтажные работы), ПНР (пуско-наладочные работы) и дальнейшей эксплуатации объектов; * Опыт работы со строительной документацией (проектная документация, спецификации, акты КС-2, КС-3) или BIM-моделями (Revit, Navisworks, Tekla) * Опыт запуска продуктов с нуля: способность работать в условиях высокой неопределенности и быстро меняющихся требований; * Инструментальное владение AI для анализа, генерации и автоматизации. Условия * Гибридный формат работы (офис м. Кутузовская); * Выгодные ипотечные льготные условия кредитования; * Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Ситимобил, Сбер Еаптека и другие; * ДМС с первого дня и льготное страхование для близких; * Корпоративная пенсионная программа; * Детский отдых и подарки за счет Компании; * Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию; * Скидки на отдых в лучшем в мире курортном комплексе «Mriya Resort & SPA» в Ялте.

- От 3 лет коммерческого опыта в разработке ML/AI-решений. - Уверенное владение Python и практический опыт работы с ML-фреймворками, такими как PyTorch, TensorFlow или Scikit-learn.

Задачи: — Проектирование и разработка микросервисной архитектуры на Java 17+ с использованием Spring Boot (MVC, Data JPA, Security) — Построение пайплайнов Retrieval-Augmented Generation (RAG): от парсинга сырых данных до индексации эмбеддингов — Разработка и поддержка векторных баз данных Qdrant: проектирование схем шардирования, настройка гибридного поиска (BM25 + Dense Vectors) и оптимизация запросов — Создание мультиагентных систем на базе LangChain/LangGraph для автоматизации бизнес-процессов — Глубокий промт-инжиниринг: написание промптов под разные сценарии одного агента, техники Few-shot, Chain-of-Thought, структурированный вывод (JSON mode) — Отладка семантики моделей: снижение энтропии ответов, управление вариативностью через параметры инференса, механизмы self-healing при деградации внешних провайдеров LLM — Оптимизация производительности PostgreSQL: тюнинг сложных SQL-запросов, работа с индексами (B-tree, GIN/GIST, триграммы), проектирование транзакционной изоляции — Вынос вычислений в контейнерную среду: Docker, Kubernetes (Helm), построение отказоустойчивых CI/CD-конвейеров в GitLab CI/Jenkins Требования: — Уверенное владение Java 17+, понимание многопоточности (CompletableFuture, виртуальные потоки Project Loom — будет плюсом) — Экспертный уровень владения стеком Spring: жизненный цикл бинов, аспектно-ориентированное программирование, тонкая настройка пулов соединений БД и параметров безопасности — Опыт проектирования реляционных моделей в PostgreSQL, умение читать EXPLAIN ANALYZE, эффективные миграции (Liquibase/Flyway) — Практический опыт работы с векторными СУБД (Qdrant) или Weaviate/Pinecone/Milvus, понимание метрик близости (Cosine Similarity, Dot Product, Euclidean Distance) — Опыт разработки с библиотеками LangChain и/или LangGraph, построение графов состояний, интеграция внешних инструментов (tool calling) — Навык написания эффективных промптов (Prompt Engineering) и управления поведением LLM без изменения весов модели — Опыт работы с Docker и Kubernetes (манифесты, Helm-чарты), знание Linux shell на уровне уверенного пользователя — Настроенные процессы CI/CD (GitLab CI или Jenkins): сборка Maven/Gradle, покрытие тестами (JUnit 5, Testcontainers), статический анализ кода

Location: Москва Workplace: Комбинированный Мы разрабатываем платформу AI-ассистентов для продуктов VK. Она объединяет диалоговые сценарии, поиск, рекомендации и языковые модели. Ищем разработчика, который поможет развивать backend-платформы и превращать AI-возможности в устойчивые пользовательские сценарии. Технологическая среда: Go, gRPC, PostgreSQL, Redis, Kafka, YTsaurus, ClickHouse, Qdrant. Задачи Разрабатывать платформу и сценарии ассистента: от обработки запроса и поиска информации до формирования потокового ответа Интегрировать языковые модели, поисковые и рекомендательные сервисы Проектировать взаимодействие компонентов, API и контракты данных Улучшать скорость и надёжность системы, исследовать проблемы на реальных запросах Вместе с ML-инженерами и продуктовой командой проверять гипотезы и оценивать результат изменений Требования Опыт разработки backend на Go и сопровождения своих решений в production. Понимание того, как код ведёт себя под нагрузкой и при сбоях зависимостей Умение проектировать изменения в существующей системе. Выделять ответственность компонентов, продумывать контракты и учитывать влияние изменений на другие части продукта Понимание распределённых систем. Умение рассуждать о согласованности данных, конкурентных операциях, частичных отказах и компромиссах между надёжностью и скоростью Навык системной диагностики. Способность разобраться в незнакомом участке системы, сформулировать гипотезы и проверить их по данным, замерам и экспериментам Умение работать с неполными требованиями. Уточнять ожидаемый результат, замечать ограничения и предлагать решение подходящей сложности Самостоятельность в рамках задачи. Готовность пройти путь от обсуждения подхода до проверки результата в эксплуатации, вовремя привлекая коллег Интерес к прикладным AI-системам. Готовность разбираться, как поведение моделей, качество поиска и технические ограничения влияют на пользовательский опыт Будет плюсом Опыт разработки продуктов с LLM, RAG, поиском или рекомендациями Опыт оптимизации производительности и надёжности сервисов Практика оценки качества изменений через эксперименты, продуктовые и технические метрики

Location: Москва Мы исследовательское подразделение, которое отвечает в Сбере за «человека»: поведение, психология, тренды, изменения, особенности восприятия и мышления. Наша ключевая задача: исследовать и рассказывать, что происходит и будет происходить с человеком, как эти изменения переложить в продукт, коммуникации, HR-процессы, чтобы они стали лучше.  Работа в Лаборатории – это возможность прикоснуться практически к любому бизнес-подразделению экосистемы Сбера, к большим данным Сбера, к клиентской базе более 100 млн человек. Мы ищем ML Developer'а — человека, который будет реализовывать ML-проекты Лаборатории: обучение и дообучение моделей, построение data-пайплайнов, вывод решений в production. В отличие от LLM-генералистов команды, которые быстро вайбкодят прототипы, вы будете отвечать за то, чтобы модели работали надёжно, воспроизводимо и масштабируемо, а также дорабатывать прототипы до продакшен решений. Вы рамках Лаборатории вы будете в команде “больших данных и гиперперсонализации”, всего около 25 человек, из которых DS-команда – порядка 10 человек, остальные – исследователи, психологи и социологи. Лаборатория работает на стыке поведенческой науки, данных и AI. Мы строим модели, которые описывают и предсказывают поведение человека — от сегментации клиентов до цифровых двойников. ML Developer — это тот, кто превращает исследовательские гипотезы в работающие модели и надёжную инфраструктуру вокруг них. Наш технологический стек: * ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost * LLM & Vector Search: локальные модели (Llama 3, Qwen), API (OpenAI), FAISS * Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ, MongoDB * MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry * Инструменты: Hydra, Poetry. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере, 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 ### Чем предстоит заниматься: * классический ML/NLP: разработка и обучение моделей для анализа текстов, поведенческих данных, психометрических профилей. * кластеризация, классификация, NER, sentiment — всё, что требуется для исследований на данных. * LLM-интеграция: fine-tuning и дообучение языковых моделей под задачи Лаборатории, построение embedding-пайплайнов, проектирование RAG-архитектур с графовыми и векторными БД. * работа с промптами на уровне системной архитектуры, а не ad hoc экспериментов * Production & MLOps: вывод моделей из ноутбуков в production — контейнеризация, CI/CD, мониторинг, версионирование моделей и данных * построение воспроизводимых пайплайнов обработки данных. Требования ### Наши ожидания от кандидата: ML & NLP: * практический опыт обучения и дообучения моделей (классический ML + deep learning) * уверенная работа с NLP: text classification, NER, embeddings, topic modeling, умение работать с ASR, Text-to-Speech задачами * опыт fine-tuning трансформерных моделей (HuggingFace Transformers, PEFT, LoRA, QLoRA) * понимание метрик качества моделей и умение проектировать эксперименты. LLM & Retrieval-архитектуры: * опыт работы с LLM API (OpenAI, Anthropic и др.) на уровне production-решений * построение RAG-пайплайнов: chunking-стратегии, embedding-модели, векторные и графовые БД * понимание различий между векторным поиском и BM25 * работа с LangChain / LangGraph или аналогами. Engineering & MLOps: * Python как основной язык, уверенное владение * Docker, CI/CD, базовый DevOps * опыт работы с ML-оркестраторами (MLflow, W&B, Prefect, Dagster — хотя бы один) * навыки разработки API (FastAPI / аналоги) * работа с SQL-базами (ClickHouse, Postgres) и очередями (RabbitMQ и т.п.). Софты и майндсет: * техническое образование (ML, CS, математика, инженерия) * умение переводить абстрактные исследовательские гипотезы в формализованные ML-задачи * способность объяснять технические решения нетехнической аудитории (исследователям, бизнесу) * интерес к поведенческой науке, психологии — или хотя бы готовность погружаться. Будет плюсом: * опыт работы с распределёнными вычислениями (Ray, DeepSpeed) * знакомство с Prometheus, OpenTelemetry, observability-стеком * опыт работы с графовыми базами данных (Neo4j и т.п.) * контроль стоимости и latency AI-вызовов * публикации, pet-проекты, вклад в open-source * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов. Условия ### Мы предлагаем: * комфортный современный офис г. Москва, рядом с метро Кутузовская * офисный формат работы: 5/2 с 10 до 19, возможен гибрид (1-2 дня в неделю вне офиса) * ежегодный пересмотр зарплаты и 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 * вознаграждение за рекомендацию друзей в команду Сбера.

❗️Мы ищем сильного AI-native специалиста, который возьмёт на себя развитие сервисов на базе больших языковых моделей внутри крупной компании: от формирования направления и приоритизации до внедрения решений в реальные процессы и масштабирования их использования. ✔️формировать видение и дорожную карту развития LLM-сервисов внутри компании;

Разрабатывать Android-функциональность нового AI-продукта Нового мобильного приложения; Реализовывать экраны и пользовательские сценарии на Kotlin и современном Android-стеке;

Location: Москва Vs — R&D команда проекта GigaLegal в СБЕР, создающая решения в правовой сфере на основе LLM для автоматизации юридических процессов. Наша цель — трансформировать работу юристов, бизнеса и госструктур через: * автоматизацию анализа договоров и юридических документов * интеллектуальную генерацию правовых текстов * разработку специализированных юридических чат-ботов * создание автономных юридических ИИ-агентов. Обязанности * разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена * проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности) * исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines) * работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen * дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения * разработка метрик качества * взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.). Требования * опыт работы DS/ML-инженером от 3х лет * понимание архитектуры LLM и принципов prompt engineering * опыт построения RAG-систем, fine-tuning и дообучения моделей * умение проектировать пайплайны inference / retraining. Будет плюсом:  * опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты). * понимание структуры и логики российских нормативных актов * опыт интеграции LLM с внешними API или базами знаний. Наш стек: Python 3.10+, FastAPI, LangChain / LangGraph, OpenSearch, Redis, Kafka. Условия * формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19 * 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 * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы создаем AI-продукты, которые трансформируют работу маркетинга: от анализа исследований и клиентских инсайтов до интеллектуального копайлота, помогающего маркетологам работать с данными, документами, контентом и креативами. Если вам интересно не просто подключать LLM по API, а понимать, как устроены современные AI-системы, проектировать их архитектуру и превращать возможности моделей в работающие продукты, — присоединяйтесь к нашей команде. Обязанности * разрабатывать AI-сервисы: от прототипа и выбора подхода до интеграции в существующий технологический ландшафт * проектировать взаимодействие LLM с инструментами, данными, API и другими сервисами * развивать AI-копайлота для маркетинга: работу с документами и презентациями, генерацию контента, поиск и анализ информации * исследовать новые LLM, существующие фреймворки и инструменты и определять, где они могут дать практический эффект в продукте * проектировать подходы к оценке качества AI-систем, проводить эксперименты и улучшать решения на основе результатов * участвовать в проектировании архитектуры AI-продуктов и агентных систем на базе современных LLM. Требования * высшее образование * опыт разработки на Python и опыт промышленной разработки AI/ML-систем от 3х лет * глубокое понимание того, как устроены современные LLM-системы: inference, context management, tool/function calling, structured output, caching, embeddings, RAG и agentic workflows * хорошее понимание system design: архитектуры современных приложений и сервисов, интеграционных паттернов, API, очередей, хранилищ, кэширования и подходов к построению систем * практический опыт создания продуктов и сервисов на базе LLM * опыт интеграции LLM в существующие системы и работы с внешними и внутренними API * опыт работы с векторным поиском и базами данных (Elastic, Chroma, Weaviate или аналоги) * навыки работы с LLM serving engines (vLLM, ollama, sglang) * понимание подходов к evaluation LLM-систем и способность превращать субъективное «работает хорошо» в измеримые критерии качества * особенно важно продуктовое мышление: способность работать с разного уровня проработки требованиями, самостоятельно прорабатывать детали решения, предлагать варианты реализации, быстро проверять гипотезы и вместе с владельцем продукта находить объективные критерии качества AI-продукта Будет плюсом: * опыт создания AI-ассистентов, копайлотов или агентных систем для B2B/enterprise-сценариев * опыт работы с LangGraph, LangChain, LlamaFactory, Unsloth или аналогичными инструментами * понимание маркетинговых процессов и задач маркетинга * публикации, open-source или собственные AI-проекты. Условия * гибридный формат работу, офис на Кутузовском д.32 * 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 * вознаграждение за рекомендацию друзей в команду Сбера.

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: Казань Мы формируем ядро команды, которая создает с нуля экосистему интеллектуальных агентов для автоматизации бизнес-процессов. Нам нужен универсальный специалист, способный вести фичи от проектирования базы данных до реализации сложного интерактивного интерфейса. Наша цель - разработка готовых решений «под ключ». Вы будете работать на стыке бэкенда, машинного обучения и фронтенда, напрямую влияя на то, как тысячи сотрудников банка взаимодействуют с новыми инструментами оптимизации. Обязанности * разработка backend для AI-агентов * интеграция с API существующих АС * реализация RAG-пайплайнов * оптимизация производительности * сode review. Требования * 3+ года в backend-разработке * python (FastAPI, Django) / Java / Go * опыт работы с LLM-фреймворками (LangChain, LlamaIndex) * postgreSQL, Redis, MongoDB * микросервисы, event-driven архитектура. Условия * комфортный современный офис г. Казань * гибридный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Опыт работы от 2-х лет в тестировании (по ТК РФ). Тест-дизайн и документация: Разработка тест-кейсов, чек-листов и инструкций;

-Развивать стратегию и roadmap AI-агента. -Проектировать AI Agents и многошаговые сценарии взаимодействия.

- Вести разработку полного цикла: напрямую общаться с заказчиками, с помощью AI-инструментов быстро превращать бизнес-требования в технический дизайн, рабочие прототипы и готовые сервисы. - Интегрировать современные AI-компоненты (LLM, агенты, RAG, OCR, RPA) в конечные продукты и внутренние системы.

Освоить бэкенд целиком и понимать фронт настолько, чтобы чинить его без посторонней помощи. от трёх лет коммерческой бэкенд-разработки, в том числе сервисы на LLM в продакшене.

Location: Москва Мы делаем ML-продукт аналитики деятельности компаний, которые работают с зарубежными партнерами: он прогнозирует их валютные операции и предлагает подходящие продукты банка. Ищем инженера-исследователя, который проведет задачу от гипотезы до прототипа и передаст лучшее решение в разработку. Обязанности * разбираться в задаче вместе с владельцем продукта и аналитиками: что нужно клиенту и какие ограничения у данных * быстро проверять гипотезы на данных, а не на интуиции: от постановки эксперимента до прототипа и демо для заказчика * выбирать подход под задачу: классический ML, временные ряды, LLM, RAG, агенты или их связку. Сравнивать варианты по качеству, устойчивости, стоимости, скорости и сложности вывода в продакшен * проектировать агентов поверх ML-моделей: какие у них инструменты и память, как они собирают контекст и проверяют ответы * передавать лучшее решение в разработку так, чтобы его легко было тиражировать. Требования * опыт внедрения ML-решения с нуля до продакшена * python (pandas, numpy) и SQL, продвинутые навыки построения воспроизводимых пайплайнов * глубокие знания классического ML на табличных данных: бустинг, линейные модели, sklearn, отбор признаков. Навыки работы с PyTorch или аналогом и понимаете, когда DL дает выигрыш * рабата с LLM: промпты, RAG с эмбеддингами и reranking, tool calling, агенты.Знаете типичные сбои вроде галлюцинаций и умеете их ограничивать. оцениваете ответы и агентов целиком через golden set и LLM-as-a-judge, следите за регрессиями качества, latency и стоимостью вызова * умение строить A/B-тесты и офлайн-сравнения: гипотеза, выборки, бейзлайн, абляции, вывод «берем / не берем». Ведете эксперименты в MLflow или аналоге, версионируете данные и промпты * понимаете, когда хватает классического ML, когда нужна LLM * умеете коротко объяснить, что проверили, почему выбрали этот подход и какие риски остались. **Будет плюсом:** * опыт в ВЭД: платежи, валютные потоки, внешнеторговые операции, продукты * сами строили AI-агентов и агентные системы. Условия * комфортный современный офис г. Москва, Кутузовский 32 * офисный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.