Senior NLP/LLM Engineer (Copilot)
Описание
Команда управления развития искусственного интеллекта (блок «Развитие клиентского опыта B2C») ищет NLP/LLM-инженера для развития AI-copilot премиальных клиентских менеджеров. Мы переходим от классических NLP-решений к адаптивным мультиагентным системам, способным самостоятельно решать задачи в контуре бизнеса: поиск по базе знаний, суммаризация профиля, извлечение инсайтов из звонков, управление графиком, проактивные подсказки на звонке. Ищем Senior-инженера, который возьмет на себя архитектурную ответственность за решения с LLM под капотом, выстроит процессы оценки качества и будет писать чистый, поддерживаемый код, готовый к интеграции в продакшн выделенной бэкенд-командой. Обязанности архитектура и разработка: проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов с использованием планирования, function calling и мультиагентной оркестрации дообучение и адаптация: SFT/RLHF/DPO, LoRA/QLoRA под специфичные бизнес-задачи. Принимать решения о том, когда дообучение необходимо, а когда достаточно промпт-инжиниринга или RAG система оценки (Eval): поддерживать культуру качества, внедряя продуктовые и ML-метрики (RAGAS, DeepEval, кастомные LLM-as-a-Judge), автоматизировать регрессионное тестирование, связывать технические метрики с бизнес метриками качество кода и интеграция: писать чистый, хорошо документированный и тестируемый python-код, который легко интегрируется и поддерживается бэкенд командой. Формировать стандарты разработки в рамках DS экспериментов и проектировать API-контракты для ML-компонент менторство и влияние: участвовать в код-ревью, формировать технические стандарты команды, декомпозировать бизнес-задачи и предлагать оптимальные ML-решения. Работать напрямую с продуктом и стейкхолдерами. Требования опыт в DL/NLP от 4 лет включая обучение/дообучение моделей на PyTorch, из них не менее года практического опыта с LLM практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain/LangGraph глубокое понимание архитектуры современных LLM, включая механизмы attention, MoE, RoPE, KV-cache, методы alignment (RLHF/DPO), принципы эффективного инференса сильная инженерная культура: Python (asyncio, pydantic, fastapi), написание чистого тестируемого кода (pytest), опыт разработки асинхронных микросервисов. Понимание Docker/K8s, CI/CD для ML оценка и мониторинг: уверенное владение инструментами LLMOps (Arize, LangSmith, W&B, Phoenix). Опыт создания кастомных eval-пайплайнов и понимания того, как метрики влияют на продукт работа с данными: опыт предобработки сложных данных для подготовки датасетов, знание SQL автономность и коммуникация: Умение переводить неопределённые бизнес-задачи в технический план, аргументированно отстаивать архитектурные решения, работать без микроменеджмента. будет плюсом: опыт опромышливания AI-агентов и знание принципов LLMOps, включая CI/CD, оркестрацию и управление версиями промптов опыт интеграции ML-решений в высоконагруженные системы понимание безопасности LLM-приложений. Условия комфортный современный офис рядом с м. Кутузовская гибридный формат работы после испытательного срока ежегодный пересмотр зарплаты, годовая премия корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития программа адаптации и помощь руководителя на старте расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа 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.