Обязанности:
Мы исследовательское подразделение Сбера, которое отвечает за «человека»: поведение, психология, тренды, особенности восприятия и мышления. Наша задача — исследовать, что происходит с человеком, и переводить эти знания в продукты, коммуникации и HR-процессы экосистемы Сбера. Работа в Лаборатории — это доступ практически к любому бизнес-подразделению Сбера, к большим данным и клиентской базе более 100 млн человек. Мы ищем Tech Lead DS/AI-команды — человека, который станет “мембраной” между бизнесом и разработкой. На входе — абстрактные идеи и запросы руководства. На выходе — работающие ML/LLM-решения, собранные командой по чёткой архитектуре. Вы проектируете системы, пишете код, ставите задачи, ревьюите решения команды — и отвечаете за то, чтобы всё это работало вместе. Играющий тренер: примерно 50% времени — собственная разработка и прототипирование, 50% — архитектурные решения, декомпозиция задач, менторство команды. У вас должны быть сильные технические навыки, евангелизм относительно AI, LLM, Vibecoding и желание искать, тестировать новые подходы и инструменты, а также базовое продуктовое мышление – не код ради кода, а код ради пользователя, продукта и бизнес-задач. Вам больше нравятся, когда много разных коротких и небольших проектов (прототипы, исследования, MVP), чем заниматься месяцами одним проектом и катить его в прод. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!Чем предстоит заниматься: Архитектура LLM-решений: принимать запрос от руководства или бизнес-подразделения. оценивать реализуемость, проектировать архитектуру (агенты, RAG-пайплайны, мультимодальные системы), выбирать стек и модели. декомпозировать на задачи для ML-инженеров и LLM-генералистов. Разработка и прототипирование: самостоятельное написание кода: собратьMVP и прототипы, чтобы быстро валидировать гипотезы. в части проектов это может быть вайбкодинг ради демо, в другой части – прототипы становятся основой для продовых решений. RAG-системы, агентные архитектуры, дэшборды, внутренние инструменты. Техническое лидерство команды: ревью архитектурных решений и кода команды. постановка задач на языке разработчика, снятие блокеров, менторинг джунов. техлидерство и отслеживание стандартов качества (не классический менеджмент — вы техлид, который держит в голове общую картину) Трансляция бизнес → разработка: перевод формулировки из «космоса» на язык технических задач объяснение руководству, что реализуемо, в какие сроки и с какими трейдоффами (кключевая надстройка над чисто инженерной ролью). Наши ожидания: Опыт и готовность работать с технологическим стеком: ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost LLM & Vector Search: локальные модели (Llama, Qwen), API (OpenAI, Anthropic), FAISS Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry Инструменты: Hydra, Poetry, Cursor, Claude Code. Техническая экспертиза: сильный бэкграунд в разработке: вы пишете код, понимаете архитектуру, умеете проектировать системы от API до деплоя бэкграунд в ML/DS (классические модели, feature engineering, эксперименты) глубокое понимание LLM: промптинг, файнтюнинг, RAG-архитектуры, агентные системы, оркестрация вызовов опыт построения поисковых систем поверх эмбеддингов: выбор модели под язык и домен, chunking и гибридный поиск (dense + BM25, реранкеры), оценка качества ретривала на своих данных практика с одной из векторных БД (Qdrant / Weaviate / pgvector / Milvus) либо с FAISS/HNSW как встроенным индексом быстрая сборка MVP через AI-ассистированную разработку (Cursor, Claude Code, Codex) как повседневный инструмент. Опыт с CLI-агентами (hooks, slash-команды, subagents, MCP, headless-режимы для пайплайнов) проектирование мультиагентных систем: роли, протоколы обмена, supervisor/worker, оркестрация понимание инфраструктуры: Docker, FastAPI, очереди, базы данных, CI/CD опыт в продуктовых ролях или продуктовое мышление — если умеете не только строить, но и понимать зачем Лидерство и коммуникация: опыт технического лидерства: ревью кода и архитектуры, постановка задач, менторство умение взять абстрактную идею и превратить её в архитектуру с понятным планом реализации способность говорить на языке бизнеса с руководством и на языке кода с команой навык приоритизации: что делать сейчас, что отложить, что не делать вообще. Будет плюсом: опыт в корпоративных R&D-подразделениях или AI-стартапах наличие git пространства с проектами будет плюсом. Мы предлагаем: комфортный современный офис г. Москва, рядом с метро Кутузовская возможность выбрать удобный график – офис/гибрид ежегодный пересмотр зарплаты и годовая премия корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития ДМС, льготное страхование для семьи и корпоративная пенсионная программа гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ бесплатная подписка Прайм с возможностью совместного использования на трёх близких.Похожие вакансии
Руководитель группы методологии и обработки данных (Лаборатория нейронаук и поведения человека)
До 290 000 руб.
Москва
СБЕР