ML-инженер (LLM / NLP) (Python, FastAPI)

Ищем ML-инженера, который умеет не просто обучать модели, а доводить их до production: от данных и feature engineering до деплоя, мониторинга и улучшения качества в реальных системах.

Что будет в работе

• Разработка и развитие ML-моделей: классические ML (классификация, регрессия, ранжирование), deep learning, NLP.

• Проектирование и реализация end-to-end ML-пайплайнов: от данных и feature engineering до обучения, валидации и деплоя.

• Работа с данными: ETL/ELT, подготовка датасетов, feature store, работа с большими объёмами данных.

• Деплой моделей в production: Docker, Kubernetes, REST/gRPC API, batch/online inference.

• Настройка MLOps: MLflow/W&B, версионирование моделей и данных, CI/CD/CT, автоматизация переобучения.

• Мониторинг моделей в production: метрики качества, latency, throughput, data/model drift, алертинг.

• Участие в архитектурных решениях: выбор подходов, оценка trade-off’ов, влияние на стабильность и масштабируемость системы.

• Взаимодействие с data scientists, инженерами, аналитиками и бизнес-стейкхолдерами.

Что важно

• Коммерческий опыт в ML/ML Engineering от 3 лет, уровень Middle+ / Senior.

• Уверенное владение Python:pandas, NumPy, scikit-learn, PyTorch или TensorFlow.

• Опыт построения и деплоя ML-моделей в production (не только Jupyter/прототипы).

• Понимание классического ML: supervised learning, feature engineering, валидация, метрики качества.

• Опыт работы с данными: SQL, ETL/ELT, Spark/Databricks (желательно), работа с большими датасетами.

• Опыт работы с Docker, базовое понимание Kubernetes, CI/CD (GitLab CI, GitHub Actions).

• Опыт настройки MLOps: MLflow/W&B, версионирование моделей/данных, автоматизация пайплайнов (Airflow, Kubeflow, Databricks Workflows).

• Понимание мониторинга моделей в production: метрики, drift detection, алертинг, retraining.

• Умение работать автономно, брать задачу целиком и доводить до результата.

• Умение переводить бизнес-требования в технические решения и аргументировать свой выбор.

Будет плюсом

• Опыт работы с LLM/GenAI: RAG, embeddings, vector databases (FAISS, Milvus, pgvector), prompt engineering, fine-tuning (LoRA)

• Практика LLMOps: MLflow, Langfuse, LangSmith, Weights & Biases, evaluation harnesses (Ragas, DeepEval)

• Опыт работы с agentic systems: LangGraph, CrewAI, multi-agent workflows

• Опыт работы с облачными ML-платформами: AWS SageMaker, Azure ML, Vertex AI

• Опыт работы с feature stores (Feast, Tecton), model registries, A/B testing, canary deployments

• Знание паттернов MLOps: CI/CD/CT, drift detection, rollback, monitoring (Prometheus, Grafana, Evidently, Arize)

• Английский язык для работы с зарубежной документацией, командами и стейкхолдерами.

Английский

• Для проектов без английского язык не требуется.

• Для европейских и американских проектов нужен английский от B2+.

Процесс

• Короткое общение с рекрутером.

• Техническое интервью / TechCertify-скрининг.

• Передача на подходящие проекты клиентам.

Если вам близок инженерный подход к ML, нравится не просто «обучать модели», а доводить их до production и влиять на реальные продукты - будем рады пообщаться.

В ИТ‑командах банка ПСБ и дочерней ИТ‑компании ПСБ Лаб уже более 4000 сотрудников. Мы разрабатываем и внедряем финтех продукты и приложения для клиентов, сопровождаем сложные ИТ‑системы банка и входим в тройку цифровых банков России.

Ключевые задачи:

• Разработка ML-решений: Полный цикл создания моделей (кластеризация, прогнозирование, рекомендательные системы, оптимизация) от гипотезы до продвинутого продакшена.
• Работа с Big Data: Извлечение, агрегация и feature engineering из терабайтов сырых данных (SQL).
• Продакшн: Развертывание моделей, мониторинг дрифта и ретрининг.
• Аналитика: Поиск бизнес-инсайтов через A/B тесты, казуальный анализ и исследовательский анализ.
• Менторство: Рецензирование кода джуниоров, управление техническим бэклогом и best practices команды.

Что важно для нас:

• От 3–5 лет коммерческого DS/ML (из них 1+ год в роли сеньора).
• ML: Глубокое знание классических алгоритмов (XGBoost, LGBM), градиентного бустинга, временных рядов.
• Программирование: Python (Senior уровень) — Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow, Чистый, модульный код.
• Data: Продвинутый SQL (оконные функции, оптимизация запросов).
• Опыт с ClickHouse, Snowflake, BigQuery, Dask или Spark (PySpark).
• Инженерия: Git, базовые знания Airflow/Kubeflow.
• Статистика: p-value, мощности теста, бутстрэп, A/B тесты на несбалансированных данных.

Что предлагаем:

• График работы: 5/2 (пн-чт с 09:00 до 18:00, пт до 16.45).
• Гибридный формат работы.
• Официальное оформление в соответствии с ТК РФ.
• Конкурентный уровень дохода.
• Доплата к отпуску и больничному листу.
• «Кафетерий льгот»: ДМС для работника и членов семьи, возмещение затрат на отдых, спортивные услуги, покупки на маркетплейсе «ПСБ Маркет».
• Дополнительные льготы при заключении брака и рождении детей.
• Материальная поддержка в определенных жизненных ситуациях.
• Бесплатная программа поддержки работников: юридические, финансовые и психологические консультации, помощь в бытовых вопросах, автопомощь, корпоративные скидки, профориентация детей работников.
• Возможность профессионального развития и прохождения внутреннего и внешнего профессионального обучения.
• Корпоративная паритетная пенсионная программа.

Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично.

Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования.

Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы.

Возможность углублять знания и улучшать навыки в области современного программирования и управления проектами.

Комфортные условия труда - современное оборудование и стабильность занятости в одной из крупнейших финансовых организаций страны.

Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России!

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Обязанности

• исследование и разработка новых методов и алгоритмов машинного обучения
• эксперименты в области глубинного обучения, обучения с подкреплением, байесовских методов, VAE и других прикладных направлений
• исследование и применение современных NLP-методов: трансформеры, LLM API, LangChain
• анализ данных для проверки исследовательских гипотез
• проектирование и проведение экспериментов, оценка результатов
• подготовка прототипов для тестирования новых подходов
• анализ применимости новых методов к задачам компании
• подготовка предложений по архитектуре моделей и выбору методов
• подготовка отчётов и презентация результатов исследований.

Требования

• опыт работы на позиции Data Scientist / исследователя — от 2 лет, в том числе в исследовательских задачах
• Python — уверенное владение, включая фреймворки для ML и DL: PyTorch, scikit-learn, pandas, numpy
• SQL — составление запросов; опыт работы с PostgreSQL
• глубокое знание классических и современных методов ML
• понимание глубинного обучения, обучения с подкреплением, байесовских подходов, VAE
• опыт проведения исследований: формулирование гипотез, дизайн экспериментов, статистическая оценка
• математическое моделирование, статистика, системный анализ
• опыт экспериментальной работы с NLP-моделями и трансформерами.

Будет плюсом:

• опыт работы с Hugging Face Transformers, LangChain, LLM API
• опыт контейнеризации и запуска экспериментов в Docker
• опыт работы с большими данными (PySpark, Hive, HDFS)
• опыт работы в банковской / финансовой сфере
• навыки работы с генеративными AI-моделями
• опыт создания AI-агентов и использования их в работе
• опыт использования GigaChat, Kandinsky и аналогов в продуктах
• навыки создания и использования AI-агентов
• инструментальное владение AI для анализа, генерации и автоматизации.

Условия

• гибридный формат работы (4 дня офис) на Кутузовском, 32к1
• ежегодный пересмотр зарплаты, квартальная и годовая премия
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте
• 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.