Сбер

Senior Data Scientist (Внутренняя безопасность)

Коротко

Senior Data Scientist в подразделении Сбера, занимающемся внутренней безопасностью: разработка LLM-агентов, мультиагентских систем и RAG-решений, дообучение и деплой open-source моделей в production. Требуется от 5 лет коммерческого опыта в DS/ML, глубокое знание PyTorch/TensorFlow, трансформеров, LangChain/LangGraph, vLLM, PEFT/LoRA и опыт вывода моделей в production. Работа полностью офисная, в Москве.

# Локация
Москва, полностью офисный формат работы на месте работодателя; офис расположен рядом с Москва-Сити, в пяти минутах от метро «Кутузовская».
# Компания
Подразделение Сбера создает AI-инструменты и решения для внутренней безопасности.
# Что делать
•Создавать и развивать решения на базе LLM-агентов, включая полноценные мультиагентские системы.
•Проектировать и развивать RAG-системы.
•Разрабатывать, поддерживать и адаптировать ML/DL-модели к меняющимся требованиям бизнеса.
•Дообучать и адаптировать открытые LLM, а также развертывать локальные модели в production.
•Создавать мониторинг качества моделей, контролировать их эффективность, настраивать мониторинг data drift и model decay.
# Требования
•Оконченное высшее образование.
•От пяти лет коммерческой разработки на позиции Data Scientist или ML Engineer, с подтвержденным опытом вывода моделей в production.
•Понимание математики классического ML и архитектур нейросетей; практический опыт с PyTorch или TensorFlow.
•Уверенное понимание архитектуры трансформеров, опыт работы с LLM API и локальными моделями через PyTorch и Hugging Face.
•Уверенный Python, чистый код, ООП, NumPy, pandas, scikit-learn; понимание микросервисной архитектуры, Asyncio и FastAPI.
•Опыт создания агентов на LangChain/LangGraph, знание промпт-инжиниринга, Structured Outputs и Function Calling.
•Опыт проектирования и развития RAG-систем: Multi-stage Retrieval, Dense + Sparse/BM25, rerankers и chunking strategies.
•Опыт развертывания Llama, Mistral, Qwen, DeepSeek и других open-source моделей в production, а также настройки высокопроизводительного LLM-инференса с помощью vLLM.
•Опыт fine-tuning LLM-моделей с использованием PEFT, LoRA/QLoRA; валидации моделей и настройки мониторинга data drift и model decay.
•Навыки работы с генеративными AI-моделями и инструментами AI для анализа, генерации и автоматизации.
# Хорошо, если есть
•Опыт создания и применения AI-агентов в работе.
•Опыт использования GigaChat, Kandinsky и аналогов в продуктах.
# Культура и преимущества
•Инновационные проекты, профессиональное развитие и возможность углублять экспертизу.
•Обмен знаниями, высокая экспертиза внутри команды и совместная работа над общими задачами.
•Стабильная заработная плата и годовой бонус.
•Более 400 образовательных программ СберУниверситета.
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
•Современный IT-офис с фитнес-залом, подписка Прайм и вознаграждение за рекомендации.

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