mlops

Команда создает интерфейсы в новой AI-first парадигме и строит сервис GenUI, который нативно встраивается в приложения для создания интерфейсов на лету.

• Разрабатывать и поддерживать внутренние инструменты для команды GenUI;
• Писать автотесты, вспомогательные скрипты и инструменты на Python;
• Участвовать в построении пайплайнов обучения, валидации и тестирования моделей;
• Помогать с запуском экспериментов по кастомным архитектурам моделей;
• Разбираться в существующем коде, дорабатывать его и повышать надежность решений;
• Интегрировать ML-компоненты, бэкенд-сервисы и платформенные инструменты;
• Автоматизировать рутинные процессы разработки, тестирования, сборки и релизов;
• Работать с датасетами, пайплайнами подготовки данных и результатами экспериментов;
• Участвовать в настройке окружений, контейнеризации и запуске сервисов;
• Декомпозировать задачи на понятные инженерные инкременты совместно с аналитиками, ML/DS-инженерами, бэкенд-разработчиками и QA;
• Искать узкие места в процессах и коде, предлагать технические улучшения;
• Подключаться к нестандартным задачам, где нет готового решения или четко описанного процесса.

• Уверенное владение Python;
• Опыт разработки кода, готового к промышленной эксплуатации;
• Опыт написания автотестов и понимание подходов к тестированию;
• Понимание принципов бэкенд-разработки и клиент-серверного взаимодействия;
• Опыт работы с Git, CI/CD и инструментами командной разработки;
• Опыт работы в Linux-окружении;
• Опыт работы с Docker;
• Умение читать, понимать и дорабатывать чужой код;
• Готовность разбираться в ML/LLM-задачах;
• Способность быстро переключаться между разными типами задач;
• Самостоятельность, инженерная аккуратность и умение доводить решения до результата;
• Будет плюсом опыт работы с PyTorch, Torch Lightning или другими ML-фреймворками, опыт построения пайплайнов обучения или инференс-пайплайнов, опыт работы с ML-экспериментами, датасетами, метриками и валидацией моделей, понимание распределенного обучения и особенностей запуска задач на GPU, опыт работы с Ray, Airflow, Kubeflow или аналогичными инструментами, опыт работы с Kubernetes, опыт разработки бэкенд-сервисов на FastAPI, Flask, Django или аналогичных фреймворках, опыт работы с LLM, RAG, промпт-сценариями или AI-ассистентами, опыт построения внутренних инструментов для разработчиков, навык профилирования, оптимизации и отладки сложных пайплайнов, интерес к исследовательским задачам и готовность проверять нестандартные технические гипотезы.

• Комфортный современный офис у метро Кутузовская;
• 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 и корпоративная пенсионная программа;
• Ипотека выгоднее до 7% для каждого сотрудника;
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров;
• Вознаграждение за рекомендацию друзей в команду.