Мы разрабатываем AI-агентов, которые анализируют записи со встреч с клиентами, взаимодействуют с внешними системами и формируют рекомендации для клиентских менеджеров. Ищем опытного ML-инженера, который сочетает уверенные навыки в backend-разработке с практическим опытом в NLP.Обязанности разрабатывать высоконагруженные микросервисы на Python/FastAPI и проектировать API для оркестрации AI-агентов обучать и дообучать Transformer-модели (RuBERT, TinyBERT) для классификации текста, суммаризации и извлечения сущностей строить асинхронные пайплайны обработки данных на Kafka и интегрировать модели в продакшн (batch и real-time инференс) проектировать и внедрять RAG-системы и агентов на LangChain/LangGraph: управление состоянием диалога, A/B-тестирование промптов, мониторинг качества ответов бороться с галлюцинациями LLM через метрики детекции ошибок, предиктивное предотвращение и техники оптимизации моделей (дистилляция, квантизация) писать надежный код с покрытием тестами, участвовать в архитектурных обсуждениях и code review настраивать observability систем: структурированные логи, трассировку (Jaeger) и сбор метрик (Prometheus/Grafana). Требования backend: уверенная разработка на Python от 2-х лет, FastAPI, asyncio, Elasticsearch (сложные запросы, маппинги), проектирование надежной архитектуры (таймауты, ретраи, fallback-и) ML/NLP: практический опыт файнтюнинга трансформеров, знание матчасти классического ML применительно к тексту, самостоятельное построение пайплайнов подготовки данных архитектура ИИ: продвинутый опыт работы с LangChain/LangGraph (управление памятью агента) и Production-разработка RAG-систем (Milvus/Qdrant, контроль качества поиска) инфраструктура: работа с брокерами сообщений (Kafka/Pulsar), владение стеком PyTorch, Hugging Face Transformers, Pandas, NumPy надежность кода: написание unit- и интеграционных тестов, покрытие критичной бизнес-логики борьба с ошибками LLM: понимание природы галлюцинаций, внедрение техник их подавления и мониторинга аномалий вывода. Будет плюсом: вывод LLM-продуктов со стадии PoC в highload-production, опыт со стриминговым инференсом или распределенной трассировкой (Zipkin/Jaeger). Условия офисный или гибридный формат работы: г. Москва, Кутузовский проспект, д. 32, к.1 ежегодный пересмотр зарплаты и годовая премия более 400 образовательных программ в СберУниверситете для твоего развития спортзал и зоны отдыха расширенный ДМС, льготное страхование для семьи гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ подписка Прайм с возможностью совместного использования на трёх близких вознаграждение за рекомендацию друзей в команду Сбера.
Похожие вакансии