Описание
Команда развивает решения в области прогнозной аналитики и сценарного планирования с применением больших языковых моделей для ключевых процессов банка и его партнёров. Она использует современные архитектуры forecasting и LLM, создаёт инфраструктуру для прототипирования, обучения и внедрения прогнозных моделей и масштабирует решения на высоконагруженные системы. Проекты охватывают анализ изображений и видео, автономные системы и Модели Мира.
Задачи
•Анализировать требования и проектировать архитектуру решений на стыке классического прогнозирования и LLM
•Разрабатывать гибридные прогнозные модели: временные ряды, регрессию, классификацию и агентные LLM-решения для сценарного планирования и стратегического прогнозирования
•Интегрировать LLM-агентов в конвейеры прогнозирования для генерации сценариев, объяснения прогнозов, кросс-модального анализа и многофакторного моделирования
•Оптимизировать модели для промышленного внедрения: выполнять квантование, дистилляцию и ускорение инференса
•Взаимодействовать с командой разработки для передачи моделей в промышленную эксплуатацию, включая разработку API и интеграцию с существующими системами
•Документировать эксперименты, метрики и результаты с использованием MLflow, TensorBoard и WandB
•Проводить проверку кода, наставлять младших специалистов и поддерживать качество кода в команде
•Исследовать и внедрять новые подходы из научных публикаций по прогнозированию, LLM и агентным системам
Требования
•Опыт работы в Data Science, прогнозировании или анализе временных рядов от 3 лет
•Хорошие инженерные навыки и понимание процессов ИТ-разработки и DevOps
•Глубокое знание Python и библиотек для ML и прогнозирования: PyTorch, TensorFlow, scikit-learn, Prophet, statsmodels, Darts, GluonTS
•Знание классического прогнозирования: ARIMA, SARIMA, экспоненциальное сглаживание, регрессионные модели и ансамбли
•Опыт работы с LLM и агентными архитектурами: LangChain, LlamaIndex, AutoGen, CrewAI и другими
•Знание архитектур нейронных сетей для задач прогнозирования: LSTM, GRU, Transformer, Temporal Fusion Transformer, N-BEATS, Chronos
•Понимание принципов интеграции нейронных сетей с языковыми моделями
•Опыт работы с фреймворками для развёртывания моделей: ONNX, TensorRT, TorchScript
•Понимание методов оптимизации инференса
•Умение читать научные статьи на английском языке и быстро прототипировать новые подходы
•Понимание принципов работы с большими языковыми моделями: fine-tuning, prompt engineering, LoRA, адаптеры, RAG
•Будет плюсом опыт работы с агентными системами для автоматизации аналитических задач и генерации сценариев
Условия
•Комфортный современный офис рядом с м. Кутузовская
•Гибридный формат работы
•Ежегодный пересмотр зарплаты 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
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•Бесплатная подписка Прайм с возможностью совместного использования с тремя близкими
•Вознаграждение за рекомендацию друзей в команду Сбера
