ml инженер AI-продуктов

Команда создает линейку продуктов на основе мультимодальной нейросетевой модели GigaChat. Сервис позволяет решать повседневные задачи и развлекаться: искать ответы на вопросы, работать с документами, создавать контент, изучать языки и общаться с персонажами.

• Проектировать и развивать ML/DS-продукты от формулировки бизнес-гипотезы и MVP до промышленного запуска и масштабирования;
• Переводить бизнес-задачи в ML- и аналитические постановки;
• Определять целевые метрики, baseline, критерии качества и ожидаемый эффект;
• Разрабатывать сквозные ML/AI-пайплайны;
• Собирать и подготавливать данные;
• Выполнять feature engineering;
• Обучать модели;
• Настраивать inference и мониторинг качества;
• Строить системы оценки качества AI-продуктов;
• Проводить offline evals, human review, LLM-as-judge, regression testing и настраивать guardrails;
• Анализировать пользовательское поведение и продуктовые метрики;
• Проводить A/B-тесты и квазиэксперименты;
• Проектировать эксперименты, рассчитывать мощность, интерпретировать результаты и оценивать причинно-следственный эффект;
• Участвовать в развитии AI/LLM-продуктов, включая RAG, AgenticRAG, ассистентов, AI copilots, рекомендательные модели, классификацию, скоринг и персонализацию;
• Автоматизировать мониторинг моделей и продуктов;
• Отслеживать drift, degradation, latency, cost, hallucination rate, task success rate и failure modes;
• Готовить аналитические выводы для продуктовых команд и бизнеса.

• Уверенно знать математическую статистику, классический ML, продуктовую аналитику и экспериментальный дизайн;
• Иметь опыт работы с ML/DS-продуктами от исследования данных и прототипа до запуска в production или принятия продуктовых решений;
• Уметь формулировать метрики качества модели и продукта: precision/recall, ROC-AUC, calibration, retention, conversion, task success и NPS;
• Иметь опыт построения evals для LLM/AI-систем;
• Уметь создавать тестовые датасеты и рубрики оценки;
• Иметь опыт работы с human-in-the-loop, regression tests и hallucination/safety checks;
• Владеть Python и SQL;
• Иметь опыт работы со стеком pandas, numpy, scikit-learn, CatBoost, XGBoost, PyTorch/TensorFlow и Transformers;
• Понимать принципы RAG, AgenticRAG и LLM pipelines, а также ограничения LLM-систем;
• Будет плюсом опыт работы с BI и аналитическими инструментами, построения витрин данных.

• Офис рядом с метро «Кутузовская»;
• Ежегодный пересмотр зарплаты;
• Годовая премия;
• Корпоративный спортзал и зоны отдыха;
• Обучение для профессионального и карьерного развития;
• Расширенный полис ДМС с первого дня работы;
• Страхование для семьи;
• Льготная программа ипотеки для сотрудников;
• Бесплатная подписка СберПрайм+;
• Скидки на продукты компаний-партнеров;
• Вознаграждение за рекомендацию друзей в команду Сбера.