Сбер

ml инженер в финтех

Коротко

Роль в команде, внедряющей AI-агентов на базе LLM в банковские процессы (совместно с Казначейством) — от сбора требований до продакшна. Требуется опыт от 2 лет в ML/AI или бэкенд-разработке, уверенное владение Python, опыт с FastAPI/Flask, LangChain/LangGraph, RAG (FAISS, Chroma, Qdrant) и открытыми LLM (GigaChat, Llama, Mistral, Qwen). Формат работы — гибрид, офис в Москве у метро «Кутузовская».

Описание
Команда внедряет AI в процессы банка совместно с коллегами из Казначейства и реализует полный жизненный цикл агента — от сбора требований до внедрения решения в бизнес-процессы.
Задачи
•Разрабатывать и выводить в продакшн AI-агентов на базе LLM с использованием LangChain и LangGraph
•Формировать и проверять гипотезы
•Интегрировать решения с API, базами данных и внутренними сервисами
•Разрабатывать бэкенд-логику и сервисы для агентских решений
•Взаимодействовать с заказчиками и смежными командами
•Поддерживать и развивать существующие решения, контролировать качество данных и результатов работы агентских решений
Требования
•Опыт работы от 2 лет в направлении ML, AI или бэкенд-разработки
•Высшее образование в области математики, физики, прикладной математики и информатики, программной инженерии или математических методов в экономике
•Уверенное владение Python и опыт написания промышленного кода
•Знание ООП, структур данных и архитектурных подходов
•Опыт разработки бэкенд-сервисов и работы с API
•Опыт работы с FastAPI, Flask или аналогичными фреймворками
•Опыт разработки AI-агентов или приложений на базе LLM, знание LangChain, LangGraph или аналогичных инструментов
•Опыт работы с RAG, включая пайплайны и векторные базы данных FAISS, Chroma или Qdrant
•Опыт работы с открытыми LLM, такими как GigaChat, Llama, Mistral и Qwen
•Понимание полного цикла AI-проекта: от гипотезы до продакшна и мониторинга
•Будет плюсом: опыт работы с высоконагруженными сервисами, умение оценивать риски и ограничения разных подходов, навыки работы с Git, Jira и Confluence, знание основных алгоритмов классического ML и основ глубокого обучения
Условия
•Комфортный современный офис рядом с метро «Кутузовская»
•Ежегодный пересмотр зарплаты
•Квартальная и годовая премия, размер которой зависит от должности и системы премирования
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•Программа адаптации и помощь руководителя на старте для вакансий уровня Junior
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Скидка по ипотечному кредиту, равная трети 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