LLM-Engineer (рекомендательные системы)

ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.

Ждем именно тебя!

Мы – команда экспертов, объединенных общей страстью к искусственному интеллекту и рекомендательным системам (RecSys). Нашей главной задачей является создание современной, масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей, предлагая персонализированные рекомендации на каждом этапе их взаимодействия с экосистемой Сбер. Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения.

Мы трансформируем классический опыт потребления контента и товаров, внедряя диалоговый интерфейс взаимодействия. Наша цель — создать систему, которая не просто ранжирует объекты, а выступает консультантом для человека: понимает намерения, может предложить контент или товар под потребность, проактивно выявляет предпочтения через наводящие вопросы, объясняет логику подбора.

Мы ищем LLM-Engineer для проектирования и внедрения диалоговых рекомендательных систем.

Обязанности

• разрабатывать и внедрять LLM-агентов для диалоговых рекомендаций в различных отраслях экосистемы Сбера;
• разрабатывать системы на основе Retrieval-Augmented Generation (RAG);
• разрабатывать методологию оценки качества ответов LLM-агентов для рекомендательных задач и выстраивать процесс трекинга метрик.

Требования

• опыт работы в Data Science / ML-Engineering от 3-х лет;
• наличие фундаментальных знаний в области построение ML-систем и оценки их качества;
• понимание принципов построения ассистентов на основе LLM;
• уверенное владение Python, опыт разработки своих LLM-агентов и микросервисов на их основе;
• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом;
• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки.

Будет плюсом:

• опыт работы в области поисковых или рекомендательных систем;
• опыт адаптации LLM под собственные задачи с использованием PEFT и RLHF.

Стек технологий:

• Python, LangGraph.

Условия

• гибридный/удаленный формат работы;
• годовой бонус и ежегодный пересмотр;
• расширенный ДМС с первого дня + стоматология и льготное страхование для семьи;
• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях;
• льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+, скидки от партнеров и сервисов группы компаний.