← К каталогу
СБ

Сбер2B

Backend разработчик AI моделей (LangChain, LangGraph, Python)

ГибридУровень не указанМосква, Россия2 ч назад
СИГНАЛ JOBRADAR75/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ

Что JobRadar наблюдает сейчас

Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.

Последнее подтверждение11 мин. назад
Впервые замечена1 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
О ВАКАНСИИ

Описание вакансии

Сбер2В — система бизнес-сервисов под единым управлением. Вместе мы решаем комплексные задачи государства, бизнеса и регионов с помощью аналитики больших данных, искуственного интеллекта, автоматизации и ЭДО.

Мы в цифрах:

  • 50+ собственных решений
  • 1,2 млн клиентов малого бизнеса
  • 40+ отраслей используют наши продукты
  • 2,5 тыс. клиентов крупного бизнеса и госсектора

Наши технологии (аналитика больших данных, машинное обучения, визуализация) помогают бизнесу расти, а регионам — развиваться.

Чем предстоит заниматься:

  • Работать по ML-задачам в рамках заданной архитектуры: реализация

экспериментальных прототипов, подготовка датасетов, запуск и анализ

экспериментов.

  • Заниматься исследованием данных: проведение EDA, поиск инсайтов в продуктовых и медицинских данных, подготовка отчётов для команды.
  • Заниматься проверкой гипотез: реализация и тестирование гипотез по улучшению мультиагентного ML-ядра и отдельных моделей.
  • Внедрять альтернативные LLM/DL-решения под руководством

Senior-инженера, участвовать в сравнительных экспериментах.

Что для этого нужно:

  • Уверенное владение Python для ML/NLP, опыт построения производственных ML-сервисов (API, microservices, контейнеризация)
  • Глубокие знания NLP: классические модели (embeddings, seq2seq), современные DL-подходы, Transformer-архитектур. практический опыт использования
  • Опыт работы с LLM: интеграция внешних и внутренних LLM, настройка prompt-инженеринга, использование tool-calling и мультиагентных паттернов
  • Опыт проектирования мультиагентных решений (Orchestrator + sub-agents, fan-out/fan-in, human-in-the-loop) на основе современных фреймворков
  • Продакшн-цикл ML: постановка задач через метрики, подготовка датасетов, разработка и валидация моделей, мониторинг и A/B-тесты
  • Знание архитектуры Transformer и умение применять её в задачах (классификация, генерация, QA, извлечение сущностей)
  • Понимание требований к safety и дрейфу моделей в healthcare-домене, умение закладывать соответствующие…

Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.

ИсточникHeadHunter / Data Scientist / RU