Middle+ AI Engineer (MLOps Expert)
Описание
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.