ML/AI developer (Лаборатория нейронаук и поведения человека)

Мы исследовательское подразделение, которое отвечает в Сбере за «человека»: поведение, психология, тренды, изменения, особенности восприятия и мышления. Наша ключевая задача: исследовать и рассказывать, что происходит и будет происходить с человеком, как эти изменения переложить в продукт, коммуникации, HR-процессы, чтобы они стали лучше. Работа в Лаборатории – это возможность прикоснуться практически к любому бизнес-подразделению экосистемы Сбера, к большим данным Сбера, к клиентской базе более 100 млн человек. Мы ищем ML Developer'а — человека, который будет реализовывать ML-проекты Лаборатории: обучение и дообучение моделей, построение data-пайплайнов, вывод решений в production. В отличие от LLM-генералистов команды, которые быстро вайбкодят прототипы, вы будете отвечать за то, чтобы модели работали надёжно, воспроизводимо и масштабируемо, а также дорабатывать прототипы до продакшен решений. Вы рамках Лаборатории вы будете в команде “больших данных и гиперперсонализации”, всего около 25 человек, из которых DS-команда – порядка 10 человек, остальные – исследователи, психологи и социологи. Лаборатория работает на стыке поведенческой науки, данных и AI. Мы строим модели, которые описывают и предсказывают поведение человека — от сегментации клиентов до цифровых двойников. ML Developer — это тот, кто превращает исследовательские гипотезы в работающие модели и надёжную инфраструктуру вокруг них. Наш технологический стек: Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

• ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost

• LLM & Vector Search: локальные модели (Llama 3, Qwen), API (OpenAI), FAISS

• Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ, MongoDB

• MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry

• Инструменты: Hydra, Poetry.

• классический ML/NLP: разработка и обучение моделей для анализа текстов, поведенческих данных, психометрических профилей.

• кластеризация, классификация, NER, sentiment — всё, что требуется для исследований на данных.

• LLM-интеграция: fine-tuning и дообучение языковых моделей под задачи Лаборатории, построение embedding-пайплайнов, проектирование RAG-архитектур с графовыми и векторными БД.

• работа с промптами на уровне системной архитектуры, а не ad hoc экспериментов

• Production & MLOps: вывод моделей из ноутбуков в production — контейнеризация, CI/CD, мониторинг, версионирование моделей и данных.

• построение воспроизводимых пайплайнов обработки данных.

ML & NLP: LLM & Retrieval-архитектуры: Engineering & MLOps: Софты и майндсет: Будет плюсом:

• практический опыт обучения и дообучения моделей (классический ML + deep learning)

• уверенная работа с NLP: text classification, NER, embeddings, topic modeling, умение работать с ASR, Text-to-Speech задачами

• опыт fine-tuning трансформерных моделей (HuggingFace Transformers, PEFT, LoRA, QLoRA)

• понимание метрик качества моделей и умение проектировать эксперименты.

• опыт работы с LLM API (OpenAI, Anthropic и др.) на уровне production-решений

• построение RAG-пайплайнов: chunking-стратегии, embedding-модели, векторные и графовые БД

• понимание различий между векторным поиском и BM25

• работа с LangChain / LangGraph или аналогами.

• Python как основной язык, уверенное владение

• Docker, CI/CD, базовый DevOps

• опыт работы с ML-оркестраторами (MLflow, W&B, Prefect, Dagster — хотя бы один)

• навыки разработки API (FastAPI / аналоги)

• работа с SQL-базами (ClickHouse, Postgres) и очередями (RabbitMQ и т.п.).

• техническое образование (ML, CS, математика, инженерия)

• умение переводить абстрактные исследовательские гипотезы в формализованные ML-задачи

• способность объяснять технические решения нетехнической аудитории (исследователям, бизнесу)

• интерес к поведенческой науке, психологии — или хотя бы готовность погружаться.

• опыт работы с распределёнными вычислениями (Ray, DeepSpeed)

• знакомство с Prometheus, OpenTelemetry, observability-стеком

• опыт работы с графовыми базами данных (Neo4j и т.п.)

• контроль стоимости и latency AI-вызовов

• публикации, pet-проекты, вклад в open-source

• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.

• комфортный современный офис г. Москва, рядом с метро Кутузовская

• гибридный формат работы

• ежегодный пересмотр зарплаты и годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий 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.