Senior Python ML-инженер (AI-Агенты)

Департамент занимается развитием продаж в B2B-сегменте: крупный, крупнейший и средний бизнес, развивает собственную CRM-систему. Команда состоит из 8 ML-инженеров, Data-Scientist, Python backend developers и MLOps. Кластер из 4-ех команд: 2 продуктовые и 2 ML-команды. Наша команда разрабатывает AI-Агентов, ML-модели и LLM-приложения для корпоративного бизнеса, полностью выполняет весь цикл работ: от сбора и анализа данных до разработки/внедрения моделей в ПРОМ, мониторинга и защиты решений от Банковских регуляторов. В том числе мы: разрабатываем и внедряем AI-агентов на базе LLM (как правило, линейка моделей SberDevice - GigaChat) используем современный стек: A2A, MCP, LangGraph, LangChain, Kubernetes, Hadoop, Elastic и многое другое реализуем оркестрацию AI-Агентов, мултиагентные мультимодальные системы, RAG-сервисы участвуем в проектах по иференсу open-source LLM на собственном кластере GPU, разработке NoCode-фабрики Агентов развиваем свой AutoML фреймворк совместно с Sber AI Lab и работаем с SotA-архитектурами строим витрины данных и BI-дашборды для мониторинга ML-моделей, AI-Агентов. Обязанности • разрабатывать и внедрять AI-Агентов в production • разрабатывать end-2-end интеграции с внешними системами и другими сервисами по протоколам Kafka, REST API, gRPC, WS и др. • сопровождать релизы моделей и агентов: документации, демо, защита решений от регуляторов • взаимодействовать с бизнес-заказчиками, архитекторами и продуктовыми командами для развития AI-решений в бизнесе Требования • опыт работы в роли ML-инженера, DS, MLOps или Python Backend в ML • опыт промышленной разработки на Python, знание ООП/паттернов проектирования и опыт работы с микросервисной архитектурой • опыт работы с большими объёмами данных и распределенными хранилищами данных: например, Hadoop • опыт работы с фреймворками для построения AI-агентов, такими как LangChain или LangGraph, базовые знания ML/DL • владение инструментами для LLM-мониторинга и MLOps/ CI & CD. Будет плюсом: • опыт работы с распределенными очередями задач и сообщений, потоковой обработки данных - celery, taskiq, rabbitmq, Kafka, faststream • опыт разработки высоконгруженных систем, гео-распределенных систем, оpenShift/Kubernetes • опыт в инженерии данных • опыт инференса LLM и фреймворков инференса: vLLM, sglang и др. Условия комфортный современный офис: Санкт-Петербург, ул. Уральская д.1 (есть шаттл-развозка от метро) формат работы– офис, по согласованию гибрид ежегодный пересмотр зарплаты, 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 (медицинское страхование), льготное страхование для семьи ипотека для сотрудников бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.