Middle Data Scientist (команда Copilot) — СБЕР

NLP-команда управления развития искусственного интеллекта (блок «Развитие клиентского опыта B2C») ищет NLP/LLM-инженера для разработки AI-агентов и опромышливания LLM-решений. Мы создаем co-pilot для клиентских менеджеров премиальных каналов, переходя от классических алгоритмов к адаптивным AI-агентам, способным понимать контекст и решать задачи автономно (поиск по базе знаний, суммаризация профиля клиента, извлечение инсайтов из звонков, управление графиком).

• проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация)
• разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации
• обучать и дообучать NLP-модели (classification, embeddings) и современные LLM под бизнес-задачи (SFT, LoRA/QLoRA)
• строить системы оценки качества генерации, внедряя продуктовые и ML-метрики (RAGAS, DeepEval, кастомные LLM as a judge)
• переводить бизнес-задачи в ML-постановку и реализовывать решения полного цикла от гипотезы до интеграции в продакшен.

• опыт работы в Deep Learning от 3 лет, включая обучение моделей на PyTorch
• продвинутое понимание архитектуры современных LLM, включая механизмы attention, MoE, принципы инференса (KV-cache, batching) и методы alignment
• практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain, LangGraph или аналогичных фреймворков
• уверенная база в классическом ML и NLP, знание статистики, алгоритмов поиска и векторизации (от TF-IDF до эмбеддингов)
• опыт работы с фреймворками для оценки и мониторинга LLM-решений, такими как Arize, LangSmith или Weights & Biases
• владение техниками промпт-инжиниринга и опыт их применения на практике для оптимизации работы моделей
• уверенное владение Git и Linux-окружением.

будет плюсом:

• базовое понимание принципов проектирования архитектуры микросервисов
• опыт опромышливания AI-агентов и знание принципов LLMOps, включая CI/CD, оркестрацию и управление версиями промптов
• глубокое понимание архитектуры масштабируемых RAG-систем и опыт работы с векторными базами данных
• опыт разработки асинхронных сервисов (asyncio) и интеграции ML-моделей в высоконагруженные системы.

• комфортный современный офис рядом с м. Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты, квартальная и годовая премия
• корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте
• 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.