Python-разработчик

Мы строим агентные решения на базе LLM для высоконагруженных сервисов оценки нефинансовых рисков.

Ищем опытного Python-инженера, который любит ML, понимает его ограничений и силу, и хочет делать «настоящий» продакшен-бэкенд: надёжный, масштабируемый, с чёткой инженерной культурой.

Вам предстоит внедрять современные подходы ML System Design, проектировать и эволюционировать агентные системы, которые реально приносят бизнес-ценность.

Если вам близок дух Bell Labs/Xerox PARC в их лучшие годы — исследовать, проверять гипотезы и доводить до прома — вам к нам.

Обязанности

• проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability)
• встраивать и развивать архитектуру агентных систем (оркестрация инструментов, память, планирование, безопасные guardrails, оценка качества)
• внедрять ML System Design подходы: искать и применять передовые идеи и мировой опыт в области архитектур агентных систем
• работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API. У нас есть все
• проводить технические исследования (R&D), быстро прототипировать, измерять, масштабировать в прод
• развивать платформу: тестирование, CI/CD, мониторинг, трассировка, расходы
• влиять на инженерную культуру: код-ревью, дизайн-сессии, менторство.

Требования

• от 4х лет промышленной backend-разработки на Python (или близком стеке) с акцентом на надёжность и производительность
• опыт проектирования распределённых систем и высоконагруженных сервисов
• уверенная математическая база (вероятность/статистика/оптимизация), инженерный вкус и привычка мерить всё метриками
• практика работы с ML-системами в проде: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества
• навык разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически их проверять и доводить до результата
• готовность брать ответственность за продуктовые эффекты, а не только за код.

Будет плюсом:

• опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность)
• опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernelов для инференса
• вклад в open-source или публикации/доклады
• знание домена рисков
• инструментальное владение AI для анализа, генерации и автоматизации.

Условия

• годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• регулярные митапы и развитое DS-community
• расширенный 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
• вознаграждение за рекомендацию друзей в команду Сбера.