ML Engineer (Лаборатория нейронаук и поведения человека)

Описание

Мы исследовательское подразделение, которое отвечает в Сбере за «человека»: поведение, психология, тренды, изменения, особенности восприятия и мышления.  Наша ключевая задача: исследовать и рассказывать, что происходит и будет происходить с человеком, как эти изменения переложить в продукт, коммуникации, HR-процессы, чтобы они стали лучше.  Работа в Лаборатории – это возможность прикоснуться практически к любому бизнес-подразделению экосистемы Сбера, к большим данным Сбера, к клиентской базе более 100 млн человек. Мы ищем ML Engineer — человека, который будет реализовывать ML-проекты Лаборатории: обучение и дообучение моделей, построение data-пайплайнов, вывод решений в production. В отличие от LLM-генералистов команды, которые быстро вайбкодят прототипы, вы будете отвечать за то, чтобы модели работали надёжно, воспроизводимо и масштабируемо, а также дорабатывать прототипы до продакшен решений. Вы рамках Лаборатории вы будете работать в команде “больших данных и гиперперсонализации” - это DS-команда, а также исследователи, психологи и социологи. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Обязанности

### Чем предстоит заниматься: * ведение полного цикла проекта: от превращения исследовательских гипотез в работающие модели и надёжную инфраструктуру вокруг них. Классический ML/NLP: * разработка и обучение моделей для анализа текстов, поведенческих данных, психометрических профилей. * кластеризация, классификация, NER, sentiment — всё, что требуется для исследований на данных. LLM-интеграция: * fine-tuning и дообучение языковых моделей под задачи Лаборатории * построение embedding-пайплайнов * проектирование RAG-архитектур с графовыми и векторными БД * работа с промптами на уровне системной архитектуры, а не ad hoc экспериментов. Production & MLOps: * вывод моделей из ноутбуков в production: контейнеризация, CI/CD, мониторинг, версионирование моделей и данных * построение воспроизводимых пайплайнов обработки данных.

Требования

### Наши ожидания от кандидата: Опыт и готовность работать с технологическим стеком: * ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost * LLM & Vector Search: локальные модели (Llama 3, Qwen), API (OpenAI), FAISS * Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ, MongoDB * MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry * Инструменты: Hydra, Poetry. ML & NLP: * практический опыт обучения и дообучения моделей (классический ML + deep learning) * уверенная работа с NLP: text classification, NER, embeddings, topic modeling, умение работать с ASR, Text-to-Speech задачами * опыт fine-tuning трансформерных моделей (HuggingFace Transformers, PEFT, LoRA, QLoRA) * понимание метрик качества моделей и умение проектировать эксперименты. LLM & Retrieval-архитектуры: * опыт работы с LLM API (OpenAI, Anthropic и др.) на уровне production-решений * построение RAG-пайплайнов: chunking-стратегии, embedding-модели, векторные и графовые БД * понимание различий между векторным поиском и BM25 * работа с LangChain / LangGraph или аналогами. Engineering & MLOps: * уверенное владение python (как основной язык разработки) * опыт с Docker, CI/CD, базовые практики DevOps * опыт работы с ML-оркестраторами (MLflow, W&B, Prefect, Dagster — хотя бы один) * навыки разработки API (FastAPI / аналоги) * работа с SQL-базами (ClickHouse, Postgres) и очередями (RabbitMQ и т.п.). Софты и майндсет: * техническое образование (ML, CS, математика, инженерия) * умение переводить абстрактные исследовательские гипотезы в формализованные ML-задачи * способность объяснять технические решения нетехнической аудитории (исследователям, бизнесу) * интерес к поведенческой науке, психологии, готовность погружаться в данную тематику. Будет плюсом: * опыт работы с распределёнными вычислениями (Ray, DeepSpeed) * знакомство с Prometheus, OpenTelemetry, observability-стеком * опыт работы с графовыми базами данных (Neo4j и т.п.) * контроль стоимости и latency AI-вызовов * наличие публикаций, pet-проектов, вклада в open-source.

Условия

### Мы предлагаем: * комфортный современный офис г. Москва, рядом с метро Кутузовская * возможность выбрать удобный график – офис/гибрид * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * 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.