Сбер·Москва·5 окт.
ML-аналитик / аналитик качества ИИ-помощника
Ориентир по рынку≈ 190 000 – 300 000 ₽наша приблизительная оценка по 27 вакансиям этой роли и грейда, у работодателя вилка не указана
🏢 ОфисMiddleПолная занятостьКорпорация
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.
3 из 4 в норме
Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться
Деньги
Сумму в объявлении не указали. Ориентир на созвон: столько платят в 27 похожих вакансиях Аналитик уровня Middle.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Опубликована 13 дней назад. Свежие вакансии почти всегда живые.
Описание
Обязанности: 6, требования: 8. Понятно, что за работа, ещё до отклика.
- Обещают
- ДМС и компенсация спорта
Что требуют
ОбязательноMLPythonSQLLLM
Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
Что стоит спросить: вопросы именно к этой вакансии для первого созвона
Когда откликаться
Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Чем предстоит заниматься
Исследовать, как помощник справляется с реальными задачами пользователей: где ошибается, чего ему не хватает и какие улучшения дадут эффект
Создавать eval-наборы и бенчмарки, на которых можно проверить новые модели, промпты, скиллы и работу с инструментами
Развивать SBS и LLM-as-judge: учить автоматическую оценку замечать существенные различия и проверять её на человеческой разметке
Превращать найденные проблемы в гипотезы, данные для дообучения и понятные критерии приёмки
Связывать качество модели с качеством продукта: выяснять, какие изменения помогают пользователю решить свою задачу
Строить инструменты, которые позволяют команде быстрее исследовать качество и замечать регрессии
Наши требования
Вам интересно докопаться до причины ошибки и придумать эксперимент, который поможет её проверить
Вы умеете работать с неопределённостью: понимаете ограничения данных, замечаете слабые места в методе и можете объяснить, что следует из результата
У вас сильная база в статистике и анализе данных
Вы уверенно работаете с Python и SQL, можете прочитать, проверить и исправить код, созданный ИИ
Понимаете принципы работы LLM и хотите глубже разобраться в том, как оценивать модели и агентов
Вы уже используете кодинговых агентов в своей работе
Можете показать, как с их помощью решили исследовательскую задачу, автоматизировали процесс или собрали собственный инструмент
Нам интересен ваш подход: что вы поручили ИИ, как проверили результат и что получилось
Мы предлагаем
Комфортный современный офис рядом с м. Кутузовская
Гибридный формат работы
Ежегодный пересмотр зарплаты, годовая премия
Корпоративный спортзал и зоны отдыха
Система обучения для профессионального и карьерного развития
Расширенный полис ДМС с первого дня работы и страхование для семьи
Программа ипотеки для сотрудников
Вознаграждение за рекомендацию друзей в команду Сбер
Дополнительно
ИИ-помощник умеет отвечать на вопросы, пользоваться инструментами и выполнять задачи. Но как понять, что новая версия действительно стала лучше? Почему один сценарий работает хорошо, а в другом помощник ошибается? И что нужно изменить в модели или продукте, чтобы это исправить?
Ищем ML-аналитика, которому интересно разбираться в этих вопросах: исследовать поведение ИИ, придумывать способы измерения качества и помогать команде делать помощника полезнее
Нам нужен ai-native специалист. Человек, для которого работа с ИИ - привычная часть решения задач. Вы умеете поручить агенту написание кода, собрать с его помощью исследовательский пайплайн, быстро проверить несколько гипотез и разобраться, где результату можно доверять. При этом постановка задачи, выбор метода и ответственность за вывод остаются за вами
