ML Engineer в команду Disrupt

Сбер·Москва·17 авг.

ML Engineer в команду Disrupt

Ориентир по рынку≈ 337 000 – 362 000 ₽наша приблизительная оценка по 13 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 4,1 тыс.–4,4 тыс. $

🏢 ОфисMiddleПолная занятость

≈ 337 000 – 362 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.

2 из 4 в норме

Висит давно: что спросить, чтобы не откликаться в пустоту

Деньги

Вилку работодатель не назвал. Ориентир на созвон: столько платят в 13 похожих вакансиях Data Scientist уровня Middle.

платят меньше337 000 – 362 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Открыта уже 65 дней. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.

Зарплата не указана

Открыта давно

Описание

Обязанности: 8, требования: 12. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта
Известно: высокие нагрузки

Подробно

Что требуют

ОбязательноMLMLOpsPythonLinuxDockerGitCI/CDKubernetesPyTorchLLM

ПлюсомCUDAPrometheusGrafanaC++Go

Надбавка к зарплате на этом уровне: Python +43%, Docker +22%.

Ясно

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

10 вопросов именно к этой вакансии: что спросить на первом созвоне

Когда откликаться

Стоит ли спешить: за сколько дней Сбер обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Мы — команда Disrupt в Сбере, часть блока ГенИИ. Отвечаем за все новые воплощения Гиги на рынках и работаем в формате фабрики гипотез: ищем перспективные сценарии, запускаем MVP, масштабируем лучшие продукты. Ищем ML-инженера, который будет запускать в продакшен и ускорять большие языковые модели на инфраструктуре NVIDIA.

Чем предстоит заниматься

Запускать и поддерживать распределённый инференс LLM на кластере GPU

Тюнить движки (vLLM, SGLang, TensorRT-LLM или аналоги) для максимальной скорости и утилизации железа

Снижать задержки генерации, повышать пропускную способность и эффективно работать с длинным контекстом в MoE-моделях

Применять квантизацию (FP8/INT8), speculative decoding и другие оптимизации без потери качества ответов

Находить узкие места по памяти (VRAM/HBM) и сети (NVLink/InfiniBand), устранять OOM и сбои узлов

Упаковывать сервисы в Kubernetes/Docker, настраивать автоскейлинг, выкаты и откаты

Строить мониторинг метрик вывода (задержки, токены/сек, стоимость за 1М токенов)

Проводить нагрузочное тестирование и планировать мощности

Наши требования

От двух лет опыта в ML Engineering, MLOps или высоконагруженном бэкенде. Обязательно хотя бы один свой GPU-сервис, доведенный до продакшена

Уверенное владение Python и Linux. Знание Docker, Git, CI/CD и базовая работа с Kubernetes

Практический опыт запуска моделей на PyTorch под NVIDIA GPU

Опыт работы минимум с одним production-стеком для инференса (vLLM, Triton, TensorRT-LLM, SGLang, TGI или аналоги)

Понимание того, как устроена память GPU, что такое mixed precision, батчинг, KV-кэш и параллелизм моделей

Умение замерять производительность, читать профилировщики (PyTorch Profiler, Nsight, DCGM) и находить баланс между скоростью, качеством ответов и стоимостью вывода

Базовое понимание распределенных систем: таймауты, повторы запросов, отказоустойчивость при падении узла и выкат без простоев

Умение писать CUDA/Triton kernels, работать с NCCL и быстрой связкой узлов (NVLink/InfiniBand, GPUDirect/RDMA)

Опыт запуска MoE-моделей с экспертным параллелизмом и очень длинным контекстом

Знакомство с KServe или Ray Serve; сбор метрик через Prometheus/Grafana, GPU Operator или DCGM Exporter

Навыки конвертации весов моделей, проведения quantization-aware evaluation и сравнения разных движков инференса

Базовый C++ или Go для написания быстрых компонентов control/data plane