Middle Data Scientist (команда Copilot)

Описание

NLP-команда управления развития искусственного интеллекта (блок «Развитие клиентского опыта B2C») ищет NLP/LLM-инженера для разработки AI-агентов и опромышливания LLM-решений. Мы создаем co-pilot для клиентских менеджеров премиальных каналов, переходя от классических алгоритмов к адаптивным AI-агентам, способным понимать контекст и решать задачи автономно (поиск по базе знаний, суммаризация профиля клиента, извлечение инсайтов из звонков, управление графиком). Обязанности проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация) разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации обучать и дообучать NLP-модели (classification, embeddings) и современные LLM под бизнес-задачи (SFT, LoRA/QLoRA) строить системы оценки качества генерации, внедряя продуктовые и ML-метрики (RAGAS, DeepEval, кастомные LLM as a judge) переводить бизнес-задачи в ML-постановку и реализовывать решения полного цикла от гипотезы до интеграции в продакшен. Требования опыт работы в Deep Learning от 3 лет, включая обучение моделей на PyTorch продвинутое понимание архитектуры современных LLM, включая механизмы attention, MoE, принципы инференса (KV-cache, batching) и методы alignment практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain, LangGraph или аналогичных фреймворков уверенная база в классическом ML и NLP, знание статистики, алгоритмов поиска и векторизации (от TF-IDF до эмбеддингов) опыт работы с фреймворками для оценки и мониторинга LLM-решений, такими как Arize, LangSmith или Weights & Biases владение техниками промпт-инжиниринга и опыт их применения на практике для оптимизации работы моделей уверенное владение Git и Linux-окружением. будет плюсом: базовое понимание принципов проектирования архитектуры микросервисов опыт опромышливания AI-агентов и знание принципов LLMOps, включая CI/CD, оркестрацию и управление версиями промптов глубокое понимание архитектуры масштабируемых RAG-систем и опыт работы с векторными базами данных опыт разработки асинхронных сервисов (asyncio) и интеграции ML-моделей в высоконагруженные системы. Условия комфортный современный офис рядом с м. Кутузовская гибридный формат работы ежегодный пересмотр зарплаты, квартальная и годовая премия корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития программа адаптации и помощь руководителя на старте 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.