Мы — команда, которая стоит на стыке эксплуатации критически важных систем и разработки инновационных AI-решений.
С одной стороны, мы обеспечиваем бесперебойную работу современных банковских сервисов на актуальном технологическом стеке (Java/Python, Kafka, Kubernetes, Hadoop).
С другой, мы создаем будущее уже сегодня, разрабатывая AI-агентов для умного поиска, анализа данных и автоматизации рутинных задач.
Объединяя эти направления, мы фокусируемся на главном: создании инструментов, которые делают работу наших коллег проще, а бизнес-результаты — значительнее.
В связи со спецификой задач (сопровождение систем в зоне ответственности + разработка собственных AI - агентов) предпочтение будет отдаваться кандидатам, имеющим опыт в сопровождении и разработке на Python + общие представления о работе с LLM – моделями.
Обязанности
- проектирование и реализация логики генеративных AI-моделей, использование фреймворков (LangChain, LangGraph) для разработки агентных и мультиагентных систем, предиктивная аналитика и анализ аномалий по логам систем
- подключение к векторным БД (PostgreSQL с расширением pgvector, redis, mongodb и т.д.) для RAG-архитектуры, разработка API (REST) для интеграции агентов
- написание пайплайнов и плейбуков для Jenkins под различные задачи автоматизации - как простые, так и довольно сложные комплексные решения. Используются groovy, python, bash
- проектирование и построение RAG-пайплайнов (выстраивание всего цикла жизни данных для RAG: от извлечения из API (REST/GraphQL), веб-скрапинга (Scrapy) и парсинга сложных документов (PDF, DOCX) до тонкой очистки, сегментации на смысловые блоки и обогащения метаданными).
Требования
- знание языков программирования высокого уровня (Python, Java и др.), понимание принципов ООП, алгоритмов, структур данных и проектирования ПО
- желателен опыт разработки и внедрения решений на основе генеративного ИИ, включая создание AI-агентов
- навыки работы с методами RAG (расширенная генерация с извлечением), интеграцией LLM и оптимизацией точности генерации
- опыт создания и оптимизации векторных хранилищ, реализации интеллектуального поиска и работы с embedding моделями, работа с различными типами нейросетей будет плюсом
- базовый опыт работы с Linuх, Kubernetes(K8S), Docker, Helm
- опыт работы с инструментами DevOps, с системами контроля версии и хранения дистрибутивов (Jenkins, BitBucket, GIT, Nexus и т.п.)
- опыт получения данных из различных типов API (REST, GraphQL, SOAP).
Условия
- формат работы офис рядом с м. Кутузовская
- ежегодный пересмотр заработной платы, годовая премия
- корпоративный спортзал и зоны отдыха
- уникальная система обучения Сбера для профессионального и карьерного развития
- ДМС и льготное страхование для семьи
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
- вознаграждение за рекомендацию друзей в команду Сбера
- корпоративная пенсионная программа.
