ML Engineer II (Агенты для бизнеса) в ПАО Сбербанк Москва

ML-инженер в центр практического ИИ Сбера для разработки и внедрения NLP/мультимодальных пайплайнов, RAG-систем и ИИ-агентов для бизнес-задач.

Задачи:

• 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

Требования:

• 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

Условия:

• 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
• 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

Навыки:

• Python
• NLP
• ML
• RAG
• LangGraph
• LlamaIndex
• bash
• Docker
• Openshift
• Kubernetes
• Git
• FastAPI
• Flask
• Tornado
• StreamLit
• ChainLit
• vLLM
• DeepSpeed
• Accelerate
• GitLab CI
• GitHub Actions
• ArgoCD
• Prometheus
• Grafana
• OpenTelemetry
• MLOps