О направлении Мы развиваем LLM- и agentic-решения в продуктах торгового финансирования и факторинга: от быстрых MVP и пилотов до промышленного внедрения. Фокус – на агентизации и автономных процессах в продуктовых сценариях. Проекты Комплексные решения для клиентов: сложносоставное предложение, включающее полное, гиперперсонализированное решение комплексной задачи компании (клиента), в том числе оптимальный план достижения желаемого результата и необходимые для реализации такого плана продукты и сервисы. LLM/Agentic-решения в торговом финансировании: проектирование и внедрение AI-агентов (работа с документарными операциями), постепенный переход к большей автономности при контролируемом риске. Смежные NLP-задачи (в рамках разработки агентов): классификация/извлечение сущностей/саммаризация/поиск по базе знаний и пр. Технологии и инструменты Python, PyTorch, Transformers OpenShift, Docker, Kafka Spark, Hadoop Agentic/RAG-стек Практики LLMOps/MLOps (наблюдаемость, тестирование, релизы). Обязанности LLM-ориентированные решения: проектирование и реализация стратегий адаптации LLM (prompting, fine-tuning, LoRA, RLHF) под специфику продуктов проектирование и разработка пайплайнов для обработки данных (RAG, агентские системы, семантический поиск) проектирование навыков и обучение LLM и NLP/Сlassic ML моделей для реализации бизнес-задач оптимизация производительности LLM в production (латентность, стоимость, точность). Продакшен-инжиниринг: внедрение DS-моделей в production с использованием MLOps-практик (CI/CD, мониторинг, A/B-тесты) интеграция решений с внешними API, работа с векторными базами, поисковыми движками проектирование отказоустойчивых систем для обработки конфиденциальных данных работа с SQL/No SQL БД. Лидерство и экспертиза: участие в постановке технических требований и взаимодействие с бизнес-заказчиками проработка с продуктовыми экспертами, системными аналитиками, стороной заказчиков требований и вариантов решения задач анализ рисков и поиск компромиссов между качеством моделей, скоростью и стоимостью. Требования опыт: 3+ лет в DS/NLP, включая 1+ год работы с LLM, опыт с production. опыт построения RAG-систем, агентских пайплайнов и сервисов на основе LLM глубокая экспертиза в адаптации LLM: SFT, RLHF, LoRA, prompt engineering опыт работы с библиотеками LangChain/LangGraph готовность как писать код, пайплайны, обучать модели, так и писать документацию, проектировать системы и готовить спецификации на модели, данные, пайплайны уверенная работа с инфраструктурой: Docker, Kubernetes, облачные платформы понимание MLOps: CI/CD, мониторинг дрифта данных, логирование опыт трансформации бизнес-задач в технические требования. Будет плюсом: опыт построения автономных процессов (decisioning/workflow) с контролем рисков знание LLM safety/security (prompt injection, data exfiltration, guardrails) опыт оптимизации стоимости и задержек: выбор моделей под сценарии, кэширование, батчинг. Условия комфортный офис по адресу ул. Вавилов д.19, рядом с м. Ленинский проспект формат работы - гибридный возможность участия во внутренних и внешних IT-конференциях, большой выбор учебных курсов в Корпоративном университете ежегодный пересмотр зарплаты и годовую премию расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.
Похожие вакансии