NLP Engineer

Описание

Мы — команда разработки инструментов машинного обучения в Центре Практического Искусственного Интеллекта Сбербанка. Наша цель — сделать лучшие решения для автоматизации работы со структурированными данными: от automl фреймворков до AI-агентов, использующих SotA практики и инструменты. Флагманские библиотеки: • [LightAutoML](https://github.com/sb-ai-lab/LightAutoML) • [RePlay](https://github.com/sb-ai-lab/RePlay) • [PyBoost](https://github.com/sb-ai-lab/PyBoost)

Обязанности

Мы ищем ML-инженера, который сможет глубоко погрузиться в предметную область и принять активное участие в разработке мультиагентных систем для работы со структурированными данными (таблички, временные ряды и не только) — от идеи до внедрения в бизнес-процессы крупнейшей финтех-компании, а также в создании и развитии лучших open-source инструментов. * разрабатывать PoC и MVP AI-агентов на базе LLM с использованием фреймворков (LangChain, GigaChain); участвовать в их интеграции в сервисы банка * проектировать и реализовывать мульти-агентную систему, способную на автоматизированную разработку моделей на структурированных данных: от feature engineering до валидации, мониторинга и продакшна * разработка и улучшение среды для исполнения сгенерированного кода, в которой можно безопасно исполнять код для ETL и ML-пайплайнов с помощью AI-агентов: разработка execution environment и sandbox-механизмов * участвовать в полном ML-цикле: от исследования и создания прототипов до продакшн-внедрения и мониторинга моделей * адаптировать LLM (Gigachat и open-source модели) под внутренние и внешние задачи с применением Prompt Tuning, RAG и PEFT-методов * анализировать и адаптировать существующие SOTA-решения; сопровождать внедрение и публикация результатов на конференциях уровня A\*/Q1 * взаимодействовать с прикладными и бизнес-командами внутри экосистемы Сбера.

Требования

* опыт работы на позиции ML Engineer, Data Scientist или похожей (уровень Middle–Senior) * уверенное владение Python; опыт работы с PyTorch, transformers, numpy, pandas и scikit-learn * опыт контейнеризации и оркестрации (Docker, Kubernetes/OpenShift) и CI/CD-систем * глубокое понимание deep learning, классических ML-алгоритмов, архитектуры нейросетей и необходимых математических основ (линейная алгебра, теория вероятностей) * практический опыт работы с LLM, RAG и фреймворками наподобие LangChain * навыки работы с SQL/NoSQL-хранилищами (PostgreSQL, ClickHouse, Elastic, FAISS, Qdrant и другие векторные базы) * умение разбираться в научных публикациях и современных SOTA-решениях, формулировать и продвигать собственные исследовательские гипотезы. Публикации в A\*/Q1 конференциях или участие в соревнованиях (Kaggle) — приветствуются.

Условия

* комфортный современный офис 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 * 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.