Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой — после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Центр разработки и Data Science проводит исследования и разработки в области ML/AI, специализируется на NLP, CV, быстром прототипировании и внедрении собственных решений в бизнес-процессы заказчиков. Команда MLE разрабатывает бизнес-логику и инженерные решения для B2B и B2G-продуктов с применением технологий ML/AI и обеспечивает работу ИТ-инфраструктуры Центра.
задачи
Разрабатывать production-сервисы, бизнес-логику и мультимодальные ETL/ELT-пайплайны;
Переводить прототипы DS-решений в сервисы с многопоточностью, batching и кэшированием;
Интегрировать CV/NLP/ML-модели через vLLM, SGLang, PyTorch и ONNX;
Оптимизировать инференс на GPU;
Строить мультимодальные RAG-системы, включая chunking, эмбеддинги, индексацию и retrieval;
Писать промпты для агентов;
Настраивать Guardrails;
Проводить бенчмарки и нагрузочные тесты;
Проводить технический ресерч ML/AI-инструментов;
Внедрять CI/CD, мониторинг и безопасность.
требования
Коммерческий опыт разработки на Python от 2 лет с проектированием production-сервисов под высокой нагрузкой;
Уверенное владение современным Python, включая type hints и Pydantic;
Навыки профилирования и оптимизации кода;
Практический опыт разработки асинхронных и многопоточных приложений с asyncio;
Умение строить отказоустойчивые системы с применением rate limiting и circuit breaker и обеспечением идемпотентности;
Опыт тестирования ML-систем и оценки качества LLM/RAG на основе golden datasets;
Знание Docker и Kubernetes на уровне разработчика;
Умение выстраивать observability через метрики, логи и трейсы;
Будет плюсом опыт разработки агентных систем с tool calling, практический опыт построения RAG-пайплайнов, знакомство с inference-фреймворками vLLM и SGLang и векторными базами данных Qdrant и Milvus.
условия
Работа в одной из наиболее перспективных и быстро развивающихся областей — искусственный интеллект;
Комфортный современный офис на Кутузовском проспекте, 32;
Ежегодный пересмотр зарплаты;
Годовая премия;
Корпоративный спортзал и зоны отдыха;
Доступ к образовательным программам СберУниверситета для профессионального и карьерного развития;