Описание
Команда создает линейку продуктов на основе мультимодальной нейросетевой модели GigaChat. Сервис позволяет решать повседневные задачи и развлекаться: искать ответы на вопросы, работать с документами, создавать контент, изучать языки и общаться с персонажами.
Задачи
•Проектировать и развивать ML/DS-продукты от формулировки бизнес-гипотезы и MVP до промышленного запуска и масштабирования
•Переводить бизнес-задачи в ML- и аналитические постановки
•Определять целевые метрики, baseline, критерии качества и ожидаемый эффект
•Разрабатывать сквозные ML/AI-пайплайны
•Собирать и подготавливать данные
•Выполнять feature engineering
•Обучать модели
•Настраивать inference и мониторинг качества
•Строить системы оценки качества AI-продуктов
•Проводить offline evals, human review, LLM-as-judge, regression testing и настраивать guardrails
•Анализировать пользовательское поведение и продуктовые метрики
•Проводить A/B-тесты и квазиэксперименты
•Проектировать эксперименты, рассчитывать мощность, интерпретировать результаты и оценивать причинно-следственный эффект
•Участвовать в развитии AI/LLM-продуктов, включая RAG, AgenticRAG, ассистентов, AI copilots, рекомендательные модели, классификацию, скоринг и персонализацию
•Автоматизировать мониторинг моделей и продуктов
•Отслеживать drift, degradation, latency, cost, hallucination rate, task success rate и failure modes
•Готовить аналитические выводы для продуктовых команд и бизнеса
Требования
•Уверенно знать математическую статистику, классический ML, продуктовую аналитику и экспериментальный дизайн
•Иметь опыт работы с ML/DS-продуктами от исследования данных и прототипа до запуска в production или принятия продуктовых решений
•Уметь формулировать метрики качества модели и продукта: precision/recall, ROC-AUC, calibration, retention, conversion, task success и NPS
•Иметь опыт построения evals для LLM/AI-систем
•Уметь создавать тестовые датасеты и рубрики оценки
•Иметь опыт работы с human-in-the-loop, regression tests и hallucination/safety checks
•Владеть Python и SQL
•Иметь опыт работы со стеком pandas, numpy, scikit-learn, CatBoost, XGBoost, PyTorch/TensorFlow и Transformers
•Понимать принципы RAG, AgenticRAG и LLM pipelines, а также ограничения LLM-систем
•Будет плюсом опыт работы с BI и аналитическими инструментами, построения витрин данных
Условия
•Офис рядом с метро «Кутузовская»
•Ежегодный пересмотр зарплаты
•Годовая премия
•Корпоративный спортзал и зоны отдыха
•Обучение для профессионального и карьерного развития
•Расширенный полис ДМС с первого дня работы
•Страхование для семьи
•Льготная программа ипотеки для сотрудников
•Бесплатная подписка СберПрайм+
•Скидки на продукты компаний-партнеров
•Вознаграждение за рекомендацию друзей в команду Сбера
