Компания больше не ищет сотрудника. Посмотрите похожие предложения
Senior / Lead MLOps
в Сбер
250 000 — 500 000 ₽/мес на руки
Технологии/инструменты
Команда продукта «Интеллектуальная система управления руководителя» занимается созданием продукта, разработка которого включает:
-
Data-решения для управленческих функций: витрины данных и базы знаний на основе множества источников структурированной и неструктурированной информации.
-
AI-сервисы для инструментов руководителя от идеи до промышленной эксплуатации, а именно:
- Развитие голосового виртуального ассистента для помощи руководителю.
- Классификация встреч/задач.
- Умные цели по эффективности.
- Автоматический график встреч сотрудника.
- Извлечение главного из диалоговых последовательностей (голос, текст).
-
Решения с использованием сервисов партнеров экосистемы (Jazz, SberChat, Салют).
-
Трекер задач (аналог Trello), обеспечивающей управление задачами end2end: от планирования до мониторинга выполнения и поиска корневых причин.
-
Инструменты оценки встреч и обратной связи, реализующие принципы прозрачности в рамках follow-up менеджмента.
Вызовы заключаются в определении единой MLOps-архитектуры (концептуальная архитектура и microservices solution architecture) для деплоя AI-моделей продукта с учетом взаимосвязи между их входами и выходами.
Дополнительный вызов — исследование большого количества новых источников данных и участие в организации интеграционных взаимодействий в части доставки исходных данных до целевой платформы — получателя информации, а также создания единого централизованного хранилища различных данных под нужды микросервисов внутри продукта (сервисы аналитики, исполнения моделей).
В задачи сотрудника входят:
- Определение концептуальной и microservices solution архитектуры для обеспечения согласованной работы аналитических (в т.ч. AI) сервисов продукта с учетом требований к технологическому стеку внутри банка.
- Подготовка решений на основе моделей и реализация MLOps-функции для деплоя моделей в промышленное окружение с учетом функциональных и нефункциональных требований.
- Выстраивание единой схемы данных продукта с учетом основных требований к их доступности и согласованности для обеспечения исполнения моделей в режимах batch-processing и NRT.
- Обработка новых источников данных.
- Разработка сервисов загрузки данных из новых источников.
- Выстраивание промышленных интеграций между источниками и получателем информации, включающее ETL-процессы, проектирование staging area и внутренней логики ЦХД от схем с сырьевыми данными до схем с конечными витринами с учетом требований отдельных функциональных подсервисов (в т.ч. AI-моделей) продукта.
Обязанности
- Сбор и спецификация функциональных и нефункциональных требований к промышленным решениям с использованием AI-моделей.
- Поддержка инфраструктурного пайплайна AI-решений.
- Оценка нагрузки и выбор систем хранения.
- Формирование технических требований для обеспечения масштабируемости, надежности и низкой задержки работы микросервисов.
- Разработка и актуализация микросервисной архитектуры с учетом одобренного тех. стека.
- Определение архитектурного data-ландшафта всего продукта.
- Реализация скриптов предобработки и загрузки данных в БД (Python, стандартные библиотеки для работы с данными).
- Подготовка Python-скриптов к использованию в серверном окружении в рамках микросервисной архитектуры.
- Реализация логики обработки данных в БД PostgreSQL (PL/pgSQL) и Greenplum.
- Организация интеграций с Централизованным ХД (Greenplum) в рамках ETL-пайплайнов.
- Организация контейнеризации AI-моделей.
Наши ожидания
- Опыт контейнеризации: Docker, OpenShift.
- Опыт работы с Linux.
- Знание инструментов DevOps (MLOps): Git, Jira, Bitbucket, Nexus, Jenkins.
- Сбор и спецификация требований к произвольному элементу data-ландшафта: pipeline, DB, DWH (dim/lkp/fact/table, DDS/ODS, data mart).
- Продвинутый уровень SQL (DDL, DML, DCL, TCL + диалекты T-SQL, PL/SQL, PL/pgSQL).
- Желателен опыт разработки ML моделей и опыт работы с библиотеками PyTorch/Tensorflow, Pandas, NumPy, Scikit-learn.
- Опыт обработки больших объемов данных и распараллеливания вычислений.
- Знание ETL/ELT + ETL-инструменты: Apache NiFi/Airflow, Ab Initio, Informatica, Airflow.
- Знание ЯП Python: функциональный подход, ООП, библиотеки для анализа данных, WEB-фреймворки (Flask, Django и др.).
- Ключевые архитектурные парадигмы построения детального слоя хранилищ данных (DDS DWH).
Мы готовы предложить
- Гибридный график работы.
- Хороший офис (AgileHome) рядом со станцией метро Кутузовская со всеми удобствами (столовые + множество кафе + кухни с холодильниками, кофемашинами и т.п.; бесплатный спортзал; бесплатная подземная парковка на 1000+ мест; места для отдыха — настольный теннис, несколько playstation, кикер, бильярд).
- Достойная заработная плата (оклад + премии).
- Возможность работать с современным стеком технологий.
- Оформление по ТК РФ.
- Социальный̆ пакет (ДМС).
- Огромный каталог образовательных программ, возможность обучения и сертификации за счет компании.
- Программа льготного кредитования в Сбербанке.
- Дисконт-программы от множества компаний партнеров.
- Возможность принять участие в других крупных и уникальных проектах Банка.
О компании Сбер
Сбербанк — крупнейший банк в России, Центральной и Восточной Европе, один из ведущих международных финансовых институтов. Самый дорогой российский бренд и самый сильный банковский бренд в мире по версии Brand Finance.