Описание
Команда развития внутренних технологических продуктов исследует данные о продуктах и продуктовых командах, формирует и проверяет аналитические гипотезы. Она разрабатывает серверные сервисы и ИИ-агентов, которые предоставляют продуктовым командам и руководству проверенную аналитику для принятия решений о развитии и балансировке портфеля инициатив.
Задачи
•Проектировать и разрабатывать серверные сервисы и RESTful API на Python для доступа продуктовых команд и руководителей к аналитике и ответам агентов с цитированием источников
•Строить агентные конвейеры на LangChain, LangGraph, n8n и аналогичных инструментах: оркестрировать LLM-агентов, интегрировать их через MCP servers и создавать RAG поверх графа знаний
•Собирать и обрабатывать данные из внутренних систем, включая Jira, Confluence, продуктовые реестры и аналитические платформы
•Строить конвейеры ETL/ELT на Python, в том числе для потоковых данных через Kafka
•Готовить данные для обучения и дообучения моделей, настраивать и оценивать качество компонентов машинного обучения и LLM совместно с профильными специалистами
•Развёртывать и эксплуатировать сервисы в закрытом контуре без выхода во внешний интернет
•Взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы
•Готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов
Требования
•От 3 лет опыта в серверной разработке с выводом решений в промышленную эксплуатацию
•Опыт построения агентных систем
•Умение работать с неполными и слабоструктурированными данными, оценивать их качество и ограничения и выбирать подходящий способ анализа
•Опыт обработки табличных и потоковых данных с Pandas, NumPy и Kafka, построения ETL/ELT на больших объёмах
•Знание SQL и опыт работы с реляционными и NoSQL-хранилищами
•Знание Python, FastAPI, промпт-инжиниринга, LangChain, LangGraph и MCP servers
•Опыт работы с n8n или аналогами, понимание RAG-архитектур, embeddings и векторных баз данных, в том числе Qdrant
•Уверенное владение Docker, Kubernetes и CI/CD
•Будет плюсом: базовое понимание жизненного цикла ML-модели, опыт работы с MLflow и Apache Airflow
Условия
•Ежегодный пересмотр зарплаты, квартальная и годовая премия
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•Программа адаптации и помощь руководителя на старте
•Расширенная ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Льготный 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
