Просмотр вакансии

Мы строим высоконагруженные production-grade ML-системы для обеспечения банковской безопасности. Наш фокус: антифрод, управление рисками, обнаружение аномалий и оптимизация бизнес-процессов. Внедряем различные решения – от классического ML до state-of-the-art архитектур в DL.

Ищем опытного ML/MLOps инженера, который будет работать на стыке Data Science, Backend и DevOps. Главная цель – автоматизировать, масштабировать и контролировать жизненный цикл моделей.

Обязанности

• упаковка моделей в Docker
• настройка CI/CD пайплайнов
• версионирование данных, моделей и артефактов в MLflow
• деплой в Kubernetes
• проектирование end-to-end пайплайнов (от сырых логов до сервиса)
• сборка данных из SQL/NoSQL баз
• проектирование витрин признаков (Feature Engineering)
• автоматизация переобучения моделей в Airflow
• работа с потоковыми данными в Kafka
• настройка мониторинга data drift и model decay
• логирование экспериментов (MLflow)
• анализ данных и валидация моделей
• совместная работа DS/DE/DevOps/Backend по интеграции моделей в микросервисную архитектуру.

Требования

• опыт работы ML Engineer, MLOps Engineer или DevOps Engineer от 3-х лет (с подтверждённым опытом вывода моделей в прод)
• понимание жизненного цикла моделей
• уверенное владение Python
• знание Linux и сетевых основ
• понимание микросервисной архитектуры и работы с очередями (Kafka)
• опыт работы с REST API
• опыт работы с облачными платформами (AWS, GCP, Azure или Yandex Cloud)
• опыт построения CI/CD пайплайнов
• опыт работы с Airflow (оркестрация), MLflow (трекинг), Docker/K8s (контейнеризация), Kubernetes
• опыт использования систем контроля версий Git/Bitbucket
• уверенное владение SQL (сложные джойны, оконные функции, оптимизация запросов) и знакомство с Big Data стеком (Spark, Hadoop)
• умение решить любую несложную инфраструктурную задачу, с которой не работал(а) ранее
• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом
• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
• инструментальное владение AI для анализа, генерации и автоматизации.

Будет плюсом

• опыт с LLMs (fine-tuning, RAG, evaluation via RAGAS/DeepEval, vLLM).
• опыт работы с Kafka/Spark
• опыт с LangChain, LangGraph, function calling
• опыт работы с GPU-инфраструктурой и оптимизацией инференса
• опыт мониторинга с использованием Prometheus, Grafana, ELK/OpenSearch
• опыт использования DVC или других инструментов управления версиями данных.

Условия

• инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти
• среда для обмена знаниями – высокая экспертиза внутри команды;
• сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать
• нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам
• стабильная заработная плата и годовой бонус
• полностью офисный формат работы. Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом;
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• вознаграждение за рекомендацию друзей в команду Сбера.