ML Research Engineer (LLM, агенты, прогнозирование) в ПАО Сбербанк Москва

Инженер-исследователь в ML-продукт аналитики деятельности компаний: прогнозирование валютных операций и подбор банковских продуктов. Ведёт задачу от гипотезы до прототипа и передаёт лучшее решение в разработку.

Задачи:

• Разбираться в задаче вместе с владельцем продукта и аналитиками: потребности клиента и ограничения данных
• Быстро проверять гипотезы на данных: от постановки эксперимента до прототипа и демо для заказчика
• Выбирать подход под задачу: классический ML, временные ряды, LLM, RAG, агенты или их связка; сравнивать по качеству, устойчивости, стоимости, скорости и сложности вывода в продакшен
• Проектировать агентов поверх ML-моделей: инструменты, память, сбор контекста и проверка ответов
• 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 понимание, когда DL даёт выигрыш
• Работа с LLM: промпты, RAG с эмбеддингами и reranking, tool calling, агенты; ограничение галлюцинаций
• Оценка ответов и агентов через golden set и LLM-as-a-judge, контроль регрессий качества, latency и стоимости вызова
• Умение строить A/B-тесты и офлайн-сравнения: гипотеза, выборки, бейзлайн, абляции, вывод «берём / не берём»
• Ведение экспериментов в MLflow или аналоге, версионирование данных и промптов
• Понимание, когда хватает классического ML, а когда нужна LLM
• Умение коротко объяснить, что проверили, почему выбрали этот подход и какие риски остались

Условия:

• Комфортный современный офис в Москве, 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

Навыки:

• Python
• pandas
• numpy
• SQL
• sklearn
• бустинг
• линейные модели
• PyTorch
• LLM
• RAG
• эмбеддинги
• reranking
• tool calling
• AI-агенты
• A/B-тесты
• MLflow
• временные ряды