Middle+ Data Scientist (NLP, LLM / Разработка AI-решений БСР)

Сбер·Москва (м. Кутузовская)·20 июня

Middle+ Data Scientist (NLP, LLM / Разработка AI-решений БСР)

250 000 – 450 000 ₽

на уровне медианы рынка

≈ 2,9 тыс.–5,2 тыс. $

🔄 ГибридMiddleПолная занятость

250 000 – 450 000 ₽≈ 2,9 тыс.–5,2 тыс. $

Сильная вакансия

Платят на 29% выше медианы грейда, навык востребован (Python).

Нажмите на сигнал, чтобы увидеть, на чём он основан

Описание вакансии

Наша команда разрабатывает комплексные AI-решения (Classic NLP, LLM, AI-агенты) для ключевых продуктов и процессов Блока «Стратегия и развитие». Мы всегда находимся на переднем краю развития технологий и пробуем новое — первыми в Сбере разработали прототип мультиагентной системы для работы с обращениями, благодаря чему агентные решения стали одним из самых востребованных направлений в банке.

Наш технологический фокус выходит за рамки AI-агентов: мы решаем задачи классификации, кластеризации, мэтчинга, доменной адаптации (Metric Learning, PEFT), при необходимости используем SFT. Итог нашей работы — не отдельный e2e-пайплайн, а production-ready мультисервисные архитектуры, интегрированные во внутренние поверхности Сбера.

Недавние проекты: мультиагентная система для анализа организационной эффективности (доклад на AI Journey 2025), мультиагентный пайплайн для анализа документов об организационных изменениях, AI-агент-Copilot для постановки и мониторинга целей. Все направления активно растут и получают непосредственную поддержку руководства банка.

Основные направления деятельности

Формируем рекомендации по повышению эффективности команд, продуктов и подразделений на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов (Jira, встречи, письма и др.).

Проводим комплексный анализ результативности в рамках сценарного моделирования деятельности по достижению целей руководства банка.

Реализуем пайплайны обработки внутренних документов произвольной длины для построения рекомендаций по работе с ними и ускорения организационных изменений.

Выявляем глобальные тренды и проводим анализ их влияния на численность ролей банка для Стратегии Сбера.

Анализируем графы целей организации (связанность, каскадирование), а также рекомендуем амбициозные цели с учетом контекста и приоритетов Стратегии.

Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.

Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).

Проверяем гипотезы любой сложности для получения Data-driven инсайтов для подготовки стратегических сессий руководства банка.

Наши глобальные приоритеты

Разработка и внедрение AI-решений (Classic NLP, LLM-приложения, AI-агенты) для повышения эффективности приоритетных стратегических процессов банка с потенциалом использования на внешнем рынке.

Создание SotA-решений с учетом специфики банка.

Почему нас выбирают

Возможность использовать передовые AI-технологии и платформы банка.

Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка и быстро попадают в поле зрения ключевых руководителей.

Возможность участия в международных проектах и конференциях по AI и ML.

Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.

Обязанности

Разработка и внедрение AI-сервисов (Classic NLP, LLM-приложения, AI-агенты, диалоговые системы) от этапа MVP до ПРОМ (CRISP-DM).

Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, NER, Semantic Search, Clustering и др.

Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangGraph, LangChain/GigaChain, LlamaIndex и др.).

Адаптация и обучение языковых моделей на основе внутренних и внешних данных (Prompt Tuning, RAG, PEFT, SFT).

Индексация и ранжирование текстовых документов.

Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.

Оптимизация AI-сервисов в промышленной среде.

Участие в валидации и автомониторинге моделей, проведение A/B-тестирования.

Требования

Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики и информатики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, Сколтех.

Опыт в разработке NLP-моделей и рекомендательных систем.

Понимание жизненного цикла моделей (CRISP-DM).

Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.

Высокий уровень владения ядром Python и SQL.

Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers.

WEB-фреймворки: FastAPI (async methods), Flask и др.

Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).

Знание агентных архитектур (ReAct, Blackboard, Multi-agent и др.).

Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).

Контейнеризация: Docker, OpenShift.

Условия

Гибкий гибрид (обсуждаем индивидуально).

Современный IT-офис вблизи Москва-Сити с фитнес-залом.

Ипотека с выгодой для сотрудника и льготные условия кредитования.

Бесплатная подписка СберПрайм+.

Скидки на продукты компаний-партнеров.

ДМС с первого дня и льготное страхование для близких.

Корпоративная пенсионная программа.

Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.

Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира.

Доход и график обсуждаем с каждым индивидуально.