Senior AI Engineer

Мы создаем основу для безопасного и эффективного использования ИИ в Банке. Наша команда разрабатывает мультиагентную систему для автономного мониторинга всех ИИ-агентов Банка в промышленной эксплуатации. Это не просто дашборды и алерты — это интеллектуальная платформа, которая должна понимать, как и почему агенты принимают решения, предсказывать сбои до их наступления и автоматически локализовать корневые причины.

Мы предлагаем возможность сыграть ключевую роль в разработке с нуля уникальной системы, от которой зависит надёжность всех ИИ-сервисов Банка для миллионов людей.

Обязанности

• разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев
• исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее.
• ведение проекта по полному циклу: от идеи и прототипа до рабочего решения в проде, его тестирования и поддержки
• проектирование пайплайнов для работы с данными (трейсами агентов) и обучения моделей, интегрируя их в нашу MLOps экосистему
• взаимодействие с командами разработки и валидации ИИ-агентов, MLOps для интеграции решений и формирования лучших практик.

Требования

• уверенное знание матстатистики, алгоритмов классического ML и архитектур нейросетей (трансформеры, LLM)
• Опыт работы с ML/LLM (5+ лет): классический ML-стек: Scikit-learn, XGBoost/LightGBM/CatBoost, Pandas, NumPy, Polars
• глубокое обучение (PyTorch)
• практический опыт разработки на LangChain/LlamaIndex, prompt engineering, построение RAG-систем, работа с Hugging Face Transformers
• навык написания чистого, модульного, эффективного кода (ООП, asyncio, принципы SOLID), опыт создания библиотек и фреймворков
• опыт разработки ИИ-агентов / агентных систем, понимание принципов их работы, коммуникации и оркестрации
• опыт доведения ML-моделей до продакшена, понимание жизненного цикла модели, понимание основ MLOps.

Будет преимуществом:

• опыт работы с трейсами и метаданными ИИ-агентов (OpenAI, Arize Phoenix, LangSmith)
• опыт работы с векторными базами данных
• знание observability-стека (OpenTelemetry, Prometheus, Grafana) для мониторинга ML-систем
• знание инфраструктурных инструментов (Docker, Kubernetes, Airflow)
• публикации или значимый вклад в open-source в области ML/NLP/LLM.

Личные качества:

• проактивность: способность самостоятельно находить проблемы и предлагать эффективные решения
• системное мышление: умение видеть проект как целостную систему, понимать взаимосвязи и долгосрочные последствия решений
• результативность в условиях неопределенности: способность эффективно работать при неполных данных и в меняющихся условиях
• ответственность: Понимание важности production-систем и SLA, готовность нести ответственность за свои решения.

Условия

• комфортный современный офис: г. Москва, метро Кутузовский пр.
• формат работы– офис
• 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 (медицинское страхование), льготное страхование для семьи
• ипотека для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.