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
- подписка Прайм с возможностью совместного использования на трёх близких
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- вознаграждение за рекомендацию друзей в команду Сбера.