Middle Data Scientist (SafeHub)

Описание

Мы новое подразделение Сбера, занимающееся созданием инструментов и решений для внутренней безопасности с помощью AI. Наши задачи направлены на развитие AI-агентов, создание RAG, запуск локальных инстансов LLM и их файнтюнинг. Наши планы имеют широкий спектр - начиная от разработки DL-моделей для скоринга, поведенческого моделирования и заканчивая графовыми нейронками для выявления скрытых связей. Сейчас мы в поисках Middle Data Scientist, который будет разрабатывать AI-агентов, адаптировать LLM под специфику задач, строить RAG-системы. Если ты хочешь иметь возможность погрузиться в глубины LLM и Deep Learning, пробовать новые методы к файнтюнингу LLM, строить AI-агентов, то мы ждем тебя в нашу команду. Обязанности cоздание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы) cоздание RAG-систем разработка и поддержка ML/DL моделей, включая их обновление и адаптация к меняющимся условиям и требованиям бизнеса дообучение и адаптация открытых LLM создание системы мониторинга качества моделей и контроль их эффективности. Требования опыт работы от 3-х лет в коммерческой разработке на позиции Data Scientist / ML Engineer с подтверждённым опытом вывода моделей в продакшн понимание математики классического ML и архитектуры нейросетей (PyTorch/TF) уверенное понимание архитектуры трансформеров, опыт работы с LLM API и локальными моделями через PyTorch / Hugging Face уверенный Python (чистый код, ООП, знание numpy/pandas/scikit-learn) и понимание принципов микросервесной архитектуры (Asyncio, FastAPI) опыт создания агентов на LangChain/LangGraph знание основных концепций промпт-инжиниринга и использования Structured Outputs и Function Calling опыт проектирования и развития RAG-систем (Multi-stage Retrieval, Dense + Sparse/BM25, Rerankers, Chunking strategies) опыт развертывания локальных open-source моделей (Llama, Mistral, Qwen, DeepSeek и др.) в продакшн-окружении и настройки высокопроизводительного инференса LLM с помощью vLLM опыт проведения Fine-tuning LLM-моделей (PEFT, LoRA/QLoRA) настройка мониторинга data drift и model decay, а также валидация моделей навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов инструментальное владение AI для анализа, генерации и автоматизации. Условия комфортный современный офис рядом с м. Кутузовская офисный формат работы 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 (для Junior позиций) расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ подписка Прайм с возможностью совместного использования на трёх близких вознаграждение за рекомендацию друзей в команду Сбера.