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.