О команде
Мы - Управление развития искусственного интеллекта блока "Развитие клиентского опыта B2C". В нашей зоне ответственности ML-решения, результаты работы которых ежедневно влияют на поведение десятков миллионов клиентов.
Развитие клиентского опыта – динамический и активно развивающийся процесс. Совместно с бизнесом мы проводим десятки различных экспериментов ежемесячно, и лучшие из них оформляем в полноценные ML продукты. Совокупные финансовые эффекты от наших продуктов > 1 млрд. руб. в год.
Обязанности
•проектировать и развивать end-to-end пайплайны для ML-решений в рамках программы Лояльности: от поставки данных и обучения до A/B-тестирования и вывода моделей в production
•декомпозировать и рефакторить существующие решения (в том числе полу-ручные MVP) в высоконагруженные, отказоустойчивые микросервисы на Python
•тестировать и оптимизировать PySpark ETL/ELT-пайплайны: профилировать узкие места, настраивать джобы, работать с партиционированием и форматом хранения данных для обеспечения производительности на больших объёмах
•разрабатывать внутренние Python-библиотеки и стандарты разработки для переиспользования кода командами Data Science
Требования
•опыт от 3 лет в разработке на Python, из них от 2–3 лет в роли MLOps Engineer, Data Engineer или Backend-разработчика в ML-платформах
•уверенная работа с экосистемой Big Data: опыт работы, тестирования и оптимизации PySpark-пайплайнов, Apache Airflow (или аналоги), Kafka, Docker/Kubernetes (K8s), S3/HDFS
•опыт проектирования архитектуры ML-решений: понимание микросервисов, асинхронности, паттернов проектирования
•понимание полного цикла жизни ML-модели: от подготовки данных и feature engineering до мониторинга в проде (MLflow, Prometheus/Grafana или аналоги)
Будет плюсом
•опыт автоматизации CI/CD для полного цикла ML (обучение, валидация, развёртывание моделей) с использованием GitLab CI или Jenkins
•понимание PySpark на уровне администратора/архитектора: тонкая настройка кластеров, управление ресурсами (динамическое распределение Dynamic Allocation), работа с executors, partitions, управление памятью (spark.memory.fraction, spark.memory.storageFraction), тюнинг shuffle
•опыт работы с Feature Store, MLflow, ClickHouse
Условия
•комфортный современный офис рядом с м. Кутузовская
•офисный формат работы
•ежегодный пересмотр зарплаты, 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
•гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•подписка Прайм с возможностью совместного использования на трёх близких
•вознаграждение за рекомендацию друзей в команду Сбера
