Сбер

Senior Software Engineer (GigaChat)

Коротко

Senior-разработчик в команду поискового сервиса Сбера, обеспечивающего GigaChat и другие LLM актуальной информацией из интернета. Работа с поисковым ядром на OpenSearch, высоконагруженными backend-сервисами на Python/FastAPI и ML-инфраструктурой для vector search. Требуется 5+ лет коммерческой backend-разработки с опытом построения поисковых систем, продвинутый Python, production-опыт с OpenSearch/Elasticsearch, PostgreSQL, а также опыт эксплуатации ML-моделей, Docker и Kubernetes. Гибридный формат работы в офисе Москвы.

Локация
Гибридный формат работы, современный офис в Москве рядом с метро «Кутузовская».
Компания
Сбер развивает поисковый сервис, который предоставляет GigaChat и другим LLM актуальную информацию из интернета для подготовки точных и свежих ответов.
Что делать
•Проектировать и развивать поисковое ядро на OpenSearch: схемы индексов, шардирование, ranking, настройка релевантности и гибридный поиск.
•Разрабатывать высоконагруженные backend-сервисы поиска на Python и FastAPI, включая API, оркестрацию запросов и интеграцию с GigaChat и другими LLM.
•Развивать ML-инфраструктуру для vector search: embeddings, ANN/HNSW-индексы и инференс моделей через Triton Inference Server.
•Проектировать схемы PostgreSQL, оптимизировать запросы и обеспечивать консистентность метаданных поискового сервиса.
•Повышать производительность, надежность и масштабируемость платформы: мониторинг, SLA, latency, throughput, нагрузочное тестирование и оптимизация инфраструктурных затрат.
•Внедрять CI/CD, тестирование и observability, участвовать в архитектурных решениях, код-ревью и менторинге инженеров.
Требования
•5+ лет коммерческой backend-разработки, включая значимый опыт создания поисковых систем или решений для информационного поиска.
•Продвинутый Python и опыт построения production-сервисов на FastAPI или аналогичных асинхронных фреймворках.
•Практический production-опыт с OpenSearch или Elasticsearch: индексы, шардирование, ranking, relevance tuning и оптимизация запросов.
•Опыт проектирования высоконагруженных распределенных сервисов с высоким RPS и низкой latency, а также понимание консистентности, репликации и отказоустойчивости.
•Уверенное владение SQL и PostgreSQL, понимание vector search, embeddings, ANN/HNSW и гибридного поиска.
•Опыт эксплуатации ML-моделей в production, мониторинга и observability, а также работы с Docker и Kubernetes.
Культура и преимущества
•Гибридный формат работы и современный офис с зонами отдыха.
•Ежегодный пересмотр зарплаты и годовая премия.
•Корпоративный спортзал.
•Более 400 образовательных программ СберУниверситета.
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
•Вознаграждение за рекомендации кандидатов в команду.

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