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
Команда разрабатывает и внедряет ИИ-агента для управления технологическими рисками банка. Решение помогает быстро выявлять, оценивать и минимизировать последствия технологических рисков. Продукт создаётся с нуля на основе современных технологий.
задачи
Проектировать и разрабатывать бэкенд-сервисы на Python для LLM-агентов и ML-пайплайнов с низкими задержками, высокой надёжностью и наблюдаемостью;
Выстраивать и развивать архитектуру агентских систем, включая оркестрацию инструментов, память, планирование, безопасные ограничения и оценку качества;
Внедрять подходы ML System Design, искать и применять передовые идеи и мировой опыт в области архитектур агентских систем;
Работать с данными и интеграциями: очередями и потоковой обработкой, базами данных, кэшем и внешними API;
Проводить технические исследования, быстро создавать прототипы, измерять результаты и масштабировать решения в продакшен;
Развивать платформу: тестирование, CI/CD, мониторинг, трассировку и контроль расходов;
Влиять на инженерную культуру через код-ревью, дизайн-сессии и менторство.
требования
От 4 лет промышленной бэкенд-разработки на Python с акцентом на надёжность и производительность;
Опыт проектирования распределённых систем и высоконагруженных сервисов;
Уверенная математическая база в вероятности, статистике и оптимизации, инженерный вкус и привычка измерять всё метриками;
Практический опыт работы с ML-системами в продакшене: фичи, офлайн- и онлайн-оценка, A/B-тесты, наблюдаемость качества;
Умение разбираться в новых подходах: LLM-агенты, инструменты, память, RAG и оценка, критически их проверять и доводить до результата;
Готовность брать ответственность за продуктовые эффекты, а не только за код;
Будет плюсом опыт построения агентских архитектур, опыт реализации высокоэффективного инференса LLM-моделей и глубокое понимание работы ядер для инференса, вклад в open-source или публикации и доклады, знание домена рисков.
условия
Рабочее место в современном офисе по адресу: Москва, проспект Кутузовский, 32;
Ежегодный пересмотр зарплаты;
Годовая премия;
Корпоративный спортзал и зоны отдыха;
Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
Расширенный ДМС с первого дня работы для сотрудников и льготная медицинская страховка для близких;
Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;
Бесплатная подписка СберПрайм+ и скидки на продукты компаний-партнёров;
Вознаграждение за рекомендацию друзей в команду Сбера.