дата инженер для AI

Команда из более чем 70 человек создает технологический фундамент для внедрения GenAI в экосистему банка. Она разрабатывает RAG-платформу, фреймворк исполнения агентов и системы обработки неструктурированного контента, а также предоставляет бизнесу готовые интерфейсы для создания собственных агентов и GenAI-приложений.

• Создавать и оптимизировать подходы к оценке качества моделей и AI-пайплайнов RAG, LLM и OCR;
• Строить онлайн- и офлайн-метрики качества, писать методологии оценки для мониторинга качества и регрессионного тестирования;
• Проводить эксперименты и проверять гипотезы по улучшению текущих AI-решений;
• Выявлять уязвимости в качестве AI-пайплайнов и предлагать решения для устранения проблем в рабочей среде;
• Проводить A/B-тестирования;
• Отвечать за качество данных и методологию их подготовки для AI/ML-проектов;
• Поддерживать и оптимизировать полный цикл работы с данными: сбор, хранение датасетов, разметку, автоматическую разметку с помощью LLM-as-a-judge и валидацию;
• Автоматизировать циклы работы с данными: сбор данных, разметку, подсчет метрик и оценку качества;
• Совместно с ML-инженерами определять требования к моделям и данным, включая состав, объем и качество датасетов;
• Руководить командой аналитиков данных, менеджеров данных и разметчиков;
• Собирать и анализировать бизнес-требования;
• Определять применимость и ограничения AI-решений.

• Применять подход на основе данных;
• Уметь взаимодействовать с исследователями данных и разработчиками;
• Владеть Python и SQL;
• Уверенно использовать подход vibe-coding;
• Понимать процесс развертывания моделей;
• Понимать работу LLM и знать понятия RAG, fine-tuning, skills/tools и Data Governance;
• Знать подходы к оценке качества LLM и RAG;
• Знать математическую статистику;
• Владеть Jira и понимать Agile;
• Обладать навыками решения проблем;
• Обладать системным мышлением;
• Будет плюсом опыт построения процессов оценки качества GenAI, опыт работы с данными для LLM и AI-агентов, опыт управления разметчиками, опыт создания пайплайнов жизненного цикла данных, знакомство с Label Studio и Toloka, опыт работы с качеством разметки, включая consistency, honeypots и golden dataset.

• Ежегодный пересмотр зарплаты;
• Годовой бонус;
• Корпоративный спортзал и зоны отдыха;
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
• Расширенный ДМС;
• Льготное страхование для семьи;
• Корпоративная пенсионная программа;
• Льготный дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;
• Подписка Прайм с возможностью совместного использования на троих близких;
• Вознаграждение за рекомендацию друзей в команду Сбера;
• Офис расположен у метро Кутузовская.