Мы создаем основу для безопасного и эффективного использования ИИ в банке. Наша команда разрабатывает мультиагентную систему для автономного мониторинга всех ИИ-агентов банка в промышленной эксплуатации. Это не просто дашборды и алерты — это интеллектуальная платформа, которая должна понимать, как и почему агенты принимают решения, предсказывать сбои до их наступления и автоматически локализовать корневые причины.
Обязанности
- Разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев.
- Исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее.
- Ведение проекта по полному циклу: от идеи и прототипа до рабочего решения в проде, его тестирования и поддержки.
- Проектирование пайплайнов для работы с данными (трейсами агентов) и обучения моделей, интегрируя их в нашу MLOps-экосистему.
- Взаимодействие с командами разработки и валидации ИИ-агентов, MLOps для интеграции решений и формирования лучших практик.
Требования
- Глубокое знание математической статистики, алгоритмов классического ML и архитектур нейросетей.
- Опыт работы от 5 лет в роли Data Science / Machine Learning с полным циклом разработки — от исследований и прототипирования до внедрения в прод и мониторинга.
- Опыт проведения аналитических исследований (R&D): умение самостоятельно изучать проблемную область, формулировать и проверять гипотезы, выбирать и адаптировать state-of-the-art методы под задачи проекта.
- Уверенное владение стеком технологий для анализа, экспериментов и разработки: NumPy, pandas, polars, scikit-learn, XGBoost, LightGBM, CatBoostOptuna / Hyperopt.
- Навык написания чистого, модульного кода на Python, понимание принципов SOLID, опыт работы с Git.
Личные качества
- Проактивность: способность самостоятельно находить проблемы и предлагать эффективные решения.
- Системное мышление: умение видеть проект как целостную систему, понимать взаимосвязи и долгосрочные последствия решений.
- Результативность в условиях неопределенности: способность эффективно работать при неполных данных и в меняющихся условиях.
- Ответственность: понимание важности production-систем и SLA, готовность нести ответственность за свои решения.
Условия
- Комфортный современный офис: г. Москва, метро Кутузовская.
- Формат работы — офис.
- 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 (медицинское страхование), льготное страхование для семьи.
- Ипотека для сотрудников.
- Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
- Вознаграждение за рекомендацию друзей в команду Сбера.
