Мы создаём и развиваем ML-решения и AI-агентов для продуктов банка, которыми пользуются юридические лица.
Ищем ML Engineer, который возьмёт на себя инженерную часть этих решений: разработку агентов, интеграцию моделей и данных, а также их вывод в промышленную эксплуатацию. Это роль для Python-разработчика, которому интересно работать на стыке ML, LLM и больших данных.
Обязанности
- проектировать и разрабатывать AI-агентов: реализовывать сценарии, оркестрацию, tool calling и интеграции с внутренними сервисами
- превращать прототипы и модели Data Science в надёжные промышленные решения: упаковывать, встраивать в сервисы и пайплайны, версионировать и сопровождать
- разрабатывать на Python сервисы, библиотеки и пайплайны, писать автотесты и участвовать в код-ревью
- проектировать, строить и сопровождать витрины данных для ML-моделей и агентов
- обрабатывать большие объёмы данных с помощью SQL, Hadoop и Spark, оптимизировать запросы и вычислительные задачи
- обеспечивать качество и наблюдаемость решений: логирование, мониторинг, обработку ошибок и контроль качества данных.
Требования
- опыт промышленной разработки на Python от 2 лет
- умение писать поддерживаемый код: типизация, тестирование, обработка ошибок, логирование и работа с зависимостями
- уверенное владение SQL: сложные запросы, оконные функции, оптимизация и работа с большими наборами данных
- опыт построения и сопровождения ETL/ELT-пайплайнов и витрин данных
- опыт вывода сервисов, моделей или data-продуктов в промышленную эксплуатацию
- понимание принципов работы AI-агентов: оркестрация, tool calling, управление состоянием и интеграция с API
- понимание жизненного цикла ML-модели — от артефакта и данных до инференса, мониторинга и обновления.
Будет преимуществом:
- опыт разработки AI-агентов с использованием LangGraph, LangChain, LlamaIndex или собственного оркестратора
- опыт работы с LLM, RAG и векторными хранилищами
- опыт оркестрации пайплайнов в Airflow или аналогичных системах
- опыт работы с Kafka и событийными архитектурами
- знание Docker, CI/CD и Kubernetes
- практический опыт работы с Hadoop и Spark
- опыт внедрения ML- или LLM-сервисов во внутреннем контуре
- опыт в банковском домене, продуктах для юридических лиц или документообороте.
Условия
• удобный офис в СПб на ул. Уральской, дом 1 (шаттлы от метро)
• гибридный формат работы
• регулярный пересмотр заработной платы и возможность получения годовой премии
• доступ к более чем 400 образовательным программам СберУниверситета
• программу адаптации и поддержку наставника на первых этапах работы
• расширенную медицинскую страховку (ДМС) и выгодные условия страхования для членов семьи
• ипотечные программы для сотрудников
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждения за рекомендации кандидатов.
