ML Engineer (Цент практического ИИ)

Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов. Задачи берутся из повседневной практики бизнеса. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!### Вы будете: * разрабатывать, оптимизировать и поддерживать NLP/мультимодальные пайплайны, включая RAG-системы и ассистентов для бизнес-задач * создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка) * участвовать в формировании и проверке гипотез для улучшения качества моделей и пайплайнов * интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг * адаптировать и внедрять результаты исследований в прикладные решения * разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML * обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг) * участвовать в выборе и настройке инфраструктуры для инференса и обучения.### Требования: * уверенные технические навыки * глубокие знания NLP и уверенная база в классическом ML * опыт разработки RAG-систем, ML-ассистентов, работа с векторными хранилищами и retrieval-стеком * опыт разработки и продакшен-внедрения ML-сервисов * отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью * опыт работы с мультиагентными фреймворками (LangGraph, LlamaIndex или другие) * уверенное владение инструментами разработки и инфраструктуры: bash, Docker/Openshift/Kubernetes, Git * опыт упаковки моделей в сервисы и интерфейсы (FastAPI, Flask, Tornado; будет плюсом UI-фреймворки типа StreamLit/ChainLit) * понимание технологий инференса и обучения больших моделей (vLLM, DeepSpeed, Accelerate) * опыт интеграции генеративных моделей в реальные бизнес-процессы * знание CI/CD для ML/infra (GitLab CI/GitHub Actions/ArgoCD) * навыки профилирования, оптимизации и мониторинга систем в проде (Prometheus/Grafana/OpenTelemetry) * понимание MLOps-паттернов: feature store, model registry, rollout/rollback стратегий. Будет плюсом: * опыт работы с мультимодальными моделями (Vision/Audio LLMs) * опыт распределённого обучения и оптимизации больших моделей.### Мы предлагаем: * комфортный современный офис г. Москва, рядом с метро Кутузовская * офисный формат работы (возможно обсудить гибрид после исп.срока) * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.