Сбер

ml инженер GenAI для банковских сценариев

Коротко

Роль в команде из 70+ человек, создающей технологический фундамент для внедрения GenAI в экосистему банка: RAG-платформа, фреймворк исполнения агентов, системы обработки неструктурированного контента. Основные задачи — развитие GenAI-сервисов (RAG, Agentic RAG, Agent Observability), обучение и дообучение мультимодальных моделей на русском языке, автоматизация процессов разметки данных и вывод новых моделей в продакшн. Требуется глубокое понимание LLM, опыт Prompt Engineering и Fine-tuning LLM/VLM, уверенное владение Python 3, опыт работы с LangChain/LlamaIndex.

Описание
Команда из 70+ человек создает технологический фундамент для внедрения GenAI в экосистему банка. Она разрабатывает RAG-платформу, фреймворк исполнения агентов и системы обработки неструктурированного контента, а также предоставляет интерфейсы для создания бизнесом собственных агентов и GenAI-приложений. Команда реализовала более 200 сценариев и планирует создать еще 300+ сценариев, включая процедурную память для агентов, поисковых агентов, системы автоматической оценки качества GenAI и инструменты Self-Service.
Задачи
•Развивать GenAI-сервисы, включая RAG-системы, Agentic RAG, инструменты Agent Observability и сервисы обработки документов
•Обучать и дообучать мультимодальные модели на русском языке, включая OCR, Embeddings, Rerankers и VLM
•Организовывать и автоматизировать процесс разметки данных от сбора до контроля качества краудсорсинга
•Развивать автономные пайплайны улучшения качества моделей с использованием LLM-as-a-Judge
•Выпускать новые модели и сервисы в продуктовые среды
Требования
•Глубоко понимать LLM и иметь опыт работы с большими языковыми моделями, Prompt Engineering и Fine-tuning LLM/VLM
•Уверенно владеть Python 3, знать ООП и принципы SOLID
•Хорошо знать алгоритмы и структуры данных
•Иметь опыт работы с LangChain, LlamaIndex или другими фреймворками для разработки агентов и мультиагентных систем
•Уметь автоматизировать собственные рутинные процессы с помощью AI-инструментов
•Быть готовым постоянно изучать новые SOTA-подходы, модели и технологии
•Будет плюсом: активный профиль на GitHub с качественным кодом, достижения на Kaggle, участие в Open-Source-проектах, связанных с LLM/NLP
Условия
•Гибридный формат работы
•Офис рядом с метро «Кутузовская»
•Ежегодный пересмотр зарплаты
•Годовой бонус
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•Расширенный ДМС
•Льготное страхование для семьи
•Корпоративная пенсионная программа
•Льготный дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•Подписка Прайм с возможностью совместного использования на троих близких
•Вознаграждение за рекомендацию друзей в команду Сбера

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте