Data Scientist / NLP-инженер (Sberbank International)

Мы — команда, создающая ядро интеллектуальных сервисов для международной аналитической платформы. Наш продукт помогает бизнесу принимать стратегические решения на глобальных рынках, используя любые типы данных — от новостных лент до внутренних баз знаний.

Мы ищем сильного и самостоятельного специалиста, который хочет заниматься автономными ИИ‑агентами, а не просто обёртками над LLM. Вы будете влиять на архитектуру, выбирать технологии и отвечать за полный жизненный цикл ML‑продукта в on‑premise‑среде.

Обязанности

• Разрабатывать production‑ready ИИ‑агентов

Проектировать multi‑agent системы для бизнес‑задач: оценка рисков, анализ контрагентов, поиск альтернативных рынков, санкционный комплаенс.

Реализовывать планирование (planning), использование инструментов (tool use), управление памятью (memory) и рефлексию агентов.

Внедрять систему оценки агентов: метрики точности, надёжности и эффективности выполнения цепочек действий.

• Создавать и оптимизировать RAG‑пайплайны

Многоканальная индексация (веб‑страницы, PDF, базы данных, устная речь)

Эксперименты с chunking, embedding‑моделями, retrieval‑стратегиями (гибридный поиск, re‑ranking, query rewriting)

• Строить высоконагруженные ML‑сервисы

Асинхронное выполнение, кеширование, rate limiting, fallback‑механизмы.

• Весь цикл ML‑продукта

От исследования и прототипирования до CI/CD, мониторинга дрейфа моделей и A/B‑тестов агентных сценариев

• Интегрировать LLM в микросервисную архитектуру

Как open‑source (Llama, Mistral, Qwen), так и коммерческие модели

Упаковка моделей в Triton, vLLM или llama.cpp для on‑premise

• Обеспечивать производительность и надёжность

Оптимизация latency / throughput, работа с ограничениями GPU, баланс между качеством и скоростью

• Работать в связке с бэкендом и продуктом

Бесшовная интеграция агентных сценариев в основную платформу.

Требования

• проектировать multi‑agent системы с planning, tool use, memory и рефлексией для бизнес‑задач (риски, контрагенты, комплаенс)
• строить и оптимизировать RAG‑пайплайны: многоканальная индексация, гибридный поиск, реранжинг
• разрабатывать высоконагруженные ML‑сервисы (асинхронность, кеширование, rate limiting, fallback)
• интегрировать LLM (open‑source и внутренние модели, включая GigaChat) в микросервисную архитектуру с упаковкой через Triton/vLLM/llama.cpp
• обеспечивать производительность, надёжность и безопасность в закрытом контуре
• внедрять CI/CD, мониторинг дрейфа, A/B‑тесты агентных сценариев.

Условия

• офисный или гибридный формат в Москве
• ежегодный пересмотр зарплаты и годовая премия
• расширенный ДМС и льготное страхование для семьи
• уникальная система обучения Сбера для профессионального и карьерного развития
• выгодная ипотека для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компании-партнёров
• вознаграждение за рекомендацию друзей в команду Сбера
• корпоративная пенсионная программа.