Основная задача команды – создавать информационные продукты для принятия решений на основе данных, аналитики, машинного обучения и искусственного интеллекта. Команда состоит — Python Developers, Data Scientists, Data Engineers. Команда тесно взаимодействуем с бизнес направлениями банка. Команда создает комплекс автоматизированных решений, где данные обрабатываются в реальном времени. Обязанности проектирование архитектуры и разработка автономных AI-агентов для решения прикладных задач интеграция больших языковых моделей (LLM) с внешними инструментами (Function calling / Tools) и различными API оркестрация multi-agent систем (управление взаимодействием нескольких агентов) разработка пайплайнов для Retrieval-Augmented Generation (RAG): чанкинг, эмбеддинги, работа с векторными базами данных проектирование надёжной бэкенд-инфраструктуры для обслуживания агентов (очереди задач, обработка асинхронных запросов, стриминг ответов) оценка качества работы агентов (метрики качества ответов, тестирование сценариев) работа с внутренними AI-ассистентами (GigaCode / GigaIDE) для ускорения рутинных задач — мы вас обучим. Требования высшее техническое образование (фундамент для понимания алгоритмов и структур данных) уверенное программирование на Python 3.12+ и опыт написания продакшн-кода опыт разработки бэкенд-систем: понимание микросервисной архитектуры, опыт работы с Kafka/RabbitMQ работа с базами данных: глубокое знание PostgreSQL (умение писать сложные запросы и оптимизировать их), а также опыт работы с векторными базами данных (Qdrant, Milvus, Pinecone, PGVector) фреймворки: опыт работы с асинхронными фреймворками (FastAPI / Sanic / Aiohttp) понимание LLM и агентов: опыт работы с GigaChat, GigaChatEmbeddings или локальными моделями (через Hugging Face, vLLM) понимание принципов промпт-инжиниринга и построения цепочек (chains) знакомство с фреймворками для агентов (LangChain, LlamaIndex) или готовность их быстро освоить Unit-тестирование: умение тестировать не только функции, но и сложные сценарии поведения агентов английский язык на уровне чтения технической документации и научных статей (чтобы быть в курсе последних релизов в мире AI). Будет преимуществом опыт разработки RAG-систем (с чанкингом, реранкерами) знание инструментов наблюдаемости за LLM (LangSmith, Weights & Biases, MLflow) опыт работы с высоконагруженными системами реального времени. понимание DevOps-практик (CI/CD, Jenkins, SonarQube) для автоматизации выкладки агентов опыт использования любых AI-ассистентов в разработке (GitHub Copilot, Cursor, Codeium и др.) — это покажет вашу готовность к vibe coding, а с нашими внутренними инструментами быстро освоитесь опыт адаптации и тонкой настройки корпоративных AI-ассистентов под командные практики. Условия комфортный современный офис: г. Москва, Кутузовский пр., д.32, к.Г гибридный формат работы 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.
Похожие вакансии