ai engineer банковской безопасности

Сбер строит высоконагруженные производственные ML-системы для банковской безопасности. Фокус — антифрод, управление рисками, обнаружение аномалий и оптимизация бизнес-процессов; решения создаются на основе классического ML и современных архитектур DL.

• Упаковывать модели в Docker;
• Настраивать CI/CD-пайплайны;
• Версионировать данные, модели и артефакты в MLflow;
• Разворачивать модели в Kubernetes;
• Проектировать сквозные пайплайны от сырых логов до сервиса;
• Собирать данные из SQL- и NoSQL-баз;
• Проектировать витрины признаков;
• Автоматизировать переобучение моделей в Airflow;
• Работать с потоковыми данными в Kafka;
• Настраивать мониторинг сдвига данных и деградации моделей;
• Логировать эксперименты в MLflow;
• Анализировать данные и валидировать модели;
• Взаимодействовать с командами Data Science, Data Engineering, DevOps и Backend для интеграции моделей в микросервисную архитектуру.

• Опыт работы ML Engineer, MLOps Engineer или DevOps Engineer от 3 лет с подтверждённым опытом вывода моделей в продакшен;
• Понимание жизненного цикла моделей;
• Уверенное владение Python;
• Знание Linux и сетевых основ;
• Понимание микросервисной архитектуры и работы с очередями Kafka;
• Опыт работы с REST API;
• Опыт работы с облачными платформами AWS, GCP, Azure или Yandex Cloud;
• Опыт построения CI/CD-пайплайнов;
• Опыт работы с Airflow, MLflow, Docker и Kubernetes;
• Опыт использования систем контроля версий Git и Bitbucket;
• Уверенное владение SQL, включая сложные соединения, оконные функции и оптимизацию запросов;
• Знакомство со стеком Big Data, включая Spark и Hadoop;
• Умение решать несложные инфраструктурные задачи, с которыми ранее не приходилось работать;
• Навыки работы с генеративными AI-моделями;
• Опыт использования GigaChat, Kandinsky и аналогов в продуктах;
• Навыки создания и использования AI-агентов;
• Инструментальное владение AI для анализа, генерации и автоматизации;
• Будет плюсом опыт работы с LLM, включая дообучение, RAG, оценку через RAGAS и DeepEval, vLLM, Kafka, Spark, LangChain, LangGraph, function calling, GPU-инфраструктурой, оптимизацией инференса, Prometheus, Grafana, ELK, OpenSearch, DVC и другими инструментами управления версиями данных.

• Инновационные и амбициозные проекты с возможностью развивать навыки и профессионально расти;
• Среда для обмена знаниями и высокая экспертиза внутри команды;
• Сплочённая команда и корпоративные сообщества по интересам;
• Стабильная заработная плата и годовой бонус;
• Офис вблизи Москва-Сити, в пяти минутах от метро «Кутузовская», с фитнес-залом;
• Более 400 образовательных программ СберУниверситета;
• Подписка Прайм с возможностью совместного использования с тремя близкими;
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа;
• Вознаграждение за рекомендацию друзей в команду Сбера.