Сбер·Москва·25 авг.
Middle+ AI Engineer (блок Финансы)
Ориентир по рынку≈ 70 000 – 155 000 ₽наш грубый ориентир по 200 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана
🏢 ОфисJuniorПолная занятостьКорпорация
54
Есть о чём спросить
За такой навык на рынке платят больше, готовы вкладываться в обучение. Но вилки нет, про деньги придётся договариваться с нуля.
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