Middle+ AI Engineer (блок Финансы)

🏢 ОфисJuniorПолная занятостьКорпорация

Зарплата не указана

Навык востребован (Python). Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Чем предстоит заниматься

Проектировать и разрабатывать backend-сервисы и RESTful API (Python/Django) для доступа продуктовых команд и руководителей к аналитике и агентным ответам с цитированием источников

Строить agentic-пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах — оркестрация LLM-агентов, интеграция через MCP servers, RAG поверх knowledge graph

Собирать и обрабатывать данные из внутренних систем (jira, confluence, продуктовые реестры, аналитические платформы), строить ETL/ELT-пайплайны на Python/Pandas/NumPy, в том числе потоковые данные через Kafka

Готовить данные для обучения/дообучения моделей и базово настраивать/оценивать качество ML/LLM-компонентов совместно с профильными специалистами

Разворачивать и эксплуатировать сервисы в закрытом контуре (production-инфраструктура внутри периметра безопасности, без выхода во внешний интернет): Docker, Kubernetes, CI/CD

Принимать архитектурные решения по сервисам и агентным пайплайнам, отвечать за качество и поддерживаемость кода — тестирование, код-ревью

Взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы

Готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов

Наши требования

От 3 лет опыта в backend-разработке с выводом решений в production

Опыт построения агентных систем — обязателен

Опыт самостоятельного проектирования архитектуры backend-сервисов и агентных пайплайнов, готовность нести ответственность за принятые технические решения

Python — продвинутый уровень; Django, RESTful API

SQL, опыт работы с реляционными и NoSQL хранилищами

LangChain, LangGraph, MCP servers, опыт с n8n или аналогами; понимание RAG-архитектур, embeddings, векторных баз данных

Pandas, NumPy, Kafka — обработка табличных и потоковых данных, ETL/ELT на больших объемах

Docker, Kubernetes, CI/CD — уверенный пользовательский уровень

Мы предлагаем

Комфортный современный офис рядом с м. Кутузовская

Гибридный формат работы

Ежегодный пересмотр зарплаты, квартальная и 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

Дополнительно

Команда развития внутренних технологических продуктов ищет Backend-разработчика с сильным профилем в обработке данных и построении агентных систем на LLM. Будем разрабатывать сервисы и агентные пайплайны, которые дают продуктовым командам и руководству верифицированную аналитику для решений по развитию и балансировке портфеля инициатив. Ищем T-shaped специалиста: глубокая экспертиза в backend, данных и агентных системах, рабочий уровень смежных (DevOps, ML Engineering)

Данные для агентов и моделей мы собираем из внутренних систем — jira, confluence, продуктовые реестры и аналитические платформы, включая потоковые данные через Kafka. На их основе построим knowledge graph (граф знаний) и RAG: сервисы отвечают продуктовым командам и руководителям с цитированием источников, а дашборды и отчеты ложатся в основу управленческих решений по приоритизации портфеля. Все сервисы разворачиваются в закрытом контуре — production-инфраструктуре внутри периметра безопасности, без выхода во внешний интернет

Будем работать над