Tech Lead MLE

Мы — AI-команда дивизиона управления сетью устройств самообслуживания Сбера (банкоматов и др. устройств), отвечающая за внедрение машинного обучения и GenAI-решений в массовые операционные процессы самообслуживания клиентов.

Разрабатываем AI-решения для продакшена с использованием больших данных. В команде мы строим ML- и GenAI-системы полного цикла: от обработки потоков данных и инструкций до AI-агентов, которые помогают сотрудникам и автоматизируют принятие решений. Сейчас мы усиливаем команду и ищем Tech Lead MLE, который возьмёт ответственность за инженерное качество в классическом ML- и GenAI-направлениях: RAG-системы, AI-агенты, интеграцию LLM в критичные бизнес-процессы и вывод решений в ПРОМ.

Обязанности

Техническое лидерство и архитектура

• Проектирование end-to-end ML/GenAI-систем: от бизнес-задачи до ПРОМа.
• Выбор архитектуры решений (LLM, RAG, агенты, классический ML).
• Принятие ключевых технических решений и ответственность за них.
• Code review, установка стандартов разработки в команде.
• Менторинг MLE/DS/аналитиков.

Разработка GenAI-решений

Разработка и внедрение AI-агентов для внутренних и клиентских сценариев.

• Проектирование RAG-систем (включая сложные графы и мультиагентные схемы).
• Интеграция LLM в бизнес-процессы дивизиона управления устройствами самообслуживания (банкоматы и др.).
• Дообучение моделей под домен (SFT/LoRA/embeddings/rerankers).
• Оптимизация latency, стоимости и стабильности LLM-решений.

ML и аналитика

• Разработка и поддержка ML-моделей (классический ML + DL).
• Feature engineering, валидация, A/B тестирование.
• Мониторинг качества моделей, оценка и защита AI-эффекта.
• Работа с временными рядами, аномалиями, прогнозированием.

Внедрение и эксплуатация

• Разработка AI-решений для ПРОМ.
• Построение ML-пайплайнов (обучение, переобучение, мониторинг).
• Интеграция с существующей ИТ-архитектурой.
• Обеспечение воспроизводимости и отказоустойчивости решений.

Требования

• Техническое лидерство: code review, архитектурные решения, менторинг.

Знания и навыки

• Python (production-level, PEP8, тесты, архитектура).
• SQL (сложные запросы, оконные функции).
• Классический ML (GBM, DL, Time Series — на уровне уверенного продакшена).
• LLM/GenAI:
• Prompt engineering.
• RAG (embeddings, rerankers, chunking, retrieval-стратегии).
• AI-агенты (LangChain/LangGraph/ReAct/Tools).
• Работа с галлюцинациями, latency, cost control.
• MLOps:
• Docker, CI/CD для ML.
• REST/Async API (FastAPI).
• Apache Spark (PySpark, Spark SQL) — разработка и оптимизация batch-пайплайнов.
• Hive/HDFS/витрины данных: подготовка и поддержка витрин для ML-моделей и GenAI-решений.

Условия

• Участие в уникальном и масштабном проекте по развитию AI.
• Комфортный современный офис рядом с м. Кутузовская.
• Формат работы: гибрид.
• 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.
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
• Вознаграждение за рекомендацию друзей в команду Сбера.