ООО «СберОбразование» — компания экосистемы Сбера, созданная в 2021 году. Мы внедряем цифровые решения и создаем новые возможности для развития и обучения на протяжении всей жизни.
Мы в поиске ML разработчика / инженера, который будет развивать направление поставки ML-решений в production в команде:
- Настроит мониторинг и сделает оптимизацию уже существующих в production ML-решений
- Реализует масштабирование и вывод в production новые ML-решения (планируем 5-10 до конца 2026 года)
- Будет взаимодействовать с командами разработки, ML для уточнения требований и постановки задач; предлагать архитектурные решения
Ключевые задачи:
- Разработка и поддержка API на FastAPI / другом фреймворке для интеграции ML-решений (классических моделей, агентов и тд);
- "Упаковка" кода в Docker-образ с минимальным размером и безопасными зависимостями, писать Helm-чарт для развертывания этого образа;
- Поиск способов обновления библиотеки или применение патча, пересборка образа и обновление деплоя при блокировке образа SCA-сканером;
- Обеспечение стабильной работы ML-решений в production, включая развертывание и работы с локальными LLM, ASR и in-house решения;
- Настраивать и оптимизировать модели на GPU и CPU;
- Версионирование моделей и управление артефактами;
- Развитие вместе с командой эксплуатации и архитекторами инфраструктуры полного жизненного цикла ML-решений: тестировать новые решения, улучшать текущие.
Требования: - Опыт работы в области ML Engineer / ML Ops от 4 лет
- Опыт практического внедрения и поддержки ML-решений в production
- Практические знания инструментов и практик ML Ops:
- Уверенный Docker, Kubernetes; умение писать Dockerfile и values.yaml; CI/CD-пайплайны; мониторинг ресурсов
- Глубокое понимание работы зависимостей в Python для устранения проблем с деплоем
- Опыт работы с SCA-сканерами и подготовкой ML-решений для проверки безопасности и запуска в кластере
- Разворачивание и поддержка решения полного жизненного цикла ML-решений: анализ логов, масштабирование, сокращение SLA, оптимизации ресурсов
- Понимание ML-алгоритмов и жизненного цикла модели:
- от постановки задачи, экспериментов и версионирования до деплоя и мониторинга ML метрик в production
- знание современных NLP-архитектур (трансформеры, механизмы внимания) и их отличия от классических сетей
- знание агентных систем (работа с LangChain, LlamaIndex, LangGraph, Tool-Calling, RAG)
- Backend production фреймворки:
- проектирование поддерживаемых, документированных и высоконагруженных API
- Понимание микросервисов, принципов SOLID, грамотный дизайн REST/gRPC API для инференса
- SQL (PostgreSQL/MySQL) / noSql (MongoDB): работа с данными, оптимизация запросов, версионирование данных (DVC)
- Уметь находить общий язык с техническими командами: доносить и аргументировать свою позицию, участвовать в релизах, оперативно и проактивно вносить изменения для достижения результата
- Уметь внятно презентовать / рассказать о проделанной работе, своих решениях и дальнейших шагах
Является преимуществом: - KServe / TorchServe — опыт развертывания моделей на inference-платформах.
- Triton Inference Server — оптимизация инференса, динамическое батчирование, работа с разными бекендами (TensorRT, ONNX).
- Опыт инференса больших языковых моделей (vLLM, LLM) и других ML-моделей, оптимизация GPU-памяти, continuous batching.
- Real-time системы: Kafka, streaming-инференс
- Опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных
- Опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов
- Понимание принципов и практический опыт Data Ops / LLM Ops / Agent Ops
Что мы предлагаем: - Годовую премию по результатам работы;
- Ежегодный индивидуальный пересмотр заработной платы;
- Дополнительное медицинское страхование и возможность страхования родственников;
- Полис путешественника;
- Ипотечное кредитование на льготных условиях;
- Бесплатную подписку СберПрайм+, скидки, бонусы и акции экосистемы;
- Обучение в Виртуальной школе Сбербанка;
- Обучающие материалы для родителей, подарки и мероприятия для детей сотрудников экосистемы;
- Комфортную рабочую среду;
- Гибкое начало рабочего дня.
