ml инженер для клиентского опыта B2C

Команда управления развитием искусственного интеллекта в блоке «Развитие клиентского опыта B2C» развивает AI-copilot для премиальных клиентских менеджеров. Решение переходит от классических NLP-систем к адаптивным мультиагентным системам для поиска по базе знаний, суммаризации профиля, извлечения инсайтов из звонков, управления графиком и проактивных подсказок во время звонка.

• Проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов с планированием, function calling и мультиагентной оркестрацией;
• Дообучать и адаптировать модели с использованием SFT, RLHF, DPO, LoRA и QLoRA под специфичные бизнес-задачи;
• Принимать решения о необходимости дообучения или достаточности промпт-инжиниринга и RAG;
• Поддерживать культуру качества через внедрение продуктовых и ML-метрик;
• Автоматизировать регрессионное тестирование;
• Связывать технические метрики с бизнес-метриками;
• Писать чистый, документированный и тестируемый код на Python для интеграции с бэкенд-командой;
• Формировать стандарты разработки в рамках DS-экспериментов;
• Проектировать API-контракты для ML-компонентов;
• Участвовать в код-ревью;
• Формировать технические стандарты команды;
• Декомпозировать бизнес-задачи и предлагать оптимальные ML-решения;
• Работать напрямую с продуктом и стейкхолдерами.

• Опыт в DL/NLP от 4 лет, включая обучение и дообучение моделей на PyTorch;
• Практический опыт работы с LLM от 1 года;
• Опыт построения AI-агентов и LLM-пайплайнов с LangChain и LangGraph;
• Глубокое понимание архитектуры современных LLM, включая attention, MoE, RoPE, KV-cache и методы alignment;
• Знание принципов эффективного инференса;
• Сильная инженерная культура и опыт разработки на Python с asyncio, pydantic и fastapi;
• Умение писать чистый тестируемый код с pytest;
• Опыт разработки асинхронных микросервисов;
• Понимание Docker, K8s и CI/CD для ML;
• Уверенное владение инструментами LLMOps: Arize, LangSmith, W&B, Phoenix;
• Опыт создания кастомных eval-пайплайнов и понимание влияния метрик на продукт;
• Опыт предобработки сложных данных для подготовки датасетов;
• Знание SQL;
• Умение переводить неопределённые бизнес-задачи в технический план;
• Умение аргументированно отстаивать архитектурные решения и работать без микроменеджмента;
• Будет плюсом опыт вывода AI-агентов в продакшн, знание принципов LLMOps, включая CI/CD, оркестрацию и управление версиями промптов, опыт интеграции ML-решений в высоконагруженные системы, понимание безопасности LLM-приложений.

• Комфортный современный офис рядом с м. Кутузовская;
• Гибридный формат работы после испытательного срока;
• Ежегодный пересмотр зарплаты;
• Квартальная и годовая премия;
• Корпоративный спортзал и зоны отдыха;
• Более 400 образовательных программ СберУниверситета;
• Программа адаптации и помощь руководителя на старте;
• Расширенный ДМС;
• Льготное страхование для семьи;
• Корпоративная пенсионная программа;
• Дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;
• Подписка Прайм с возможностью совместного использования на трёх близких;
• Вознаграждение за рекомендацию друзей в команду Сбера.