Senior ML Engineer (GenAI Data Governanace)

Эта вакансия в архивеЭту вакансию выложили заново, открыть новую публикацию

Сбер·Москва·8 авг.

Senior ML Engineer (GenAI Data Governanace)

Ориентир по рынку≈ 300 000 – 450 000 ₽наша приблизительная оценка по 31 вакансии этой роли, у работодателя вилка не указана

🏢 ОфисJuniorПолная занятостьКорпорация

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Правда, вакансия открыта уже давно.

2 из 4 в норме

Открыта долго: как понять до отклика, ищут ли ещё

Деньги

Сумму в объявлении не указали. Ориентир на созвон: столько платят в 31 похожей вакансии Data Scientist, без учёта уровня.

платят меньше300 000 – 450 000 ₽ у половины таких вакансийплатят больше

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

Вилки нет

Живость

Висит 72 дня. Источник её не снимает, но так долго открытые позиции бывают трудными для найма или набором в резерв.

Зарплата не указана

Открыта давно

Описание

Расписано подробно: обязанностей 6, требований 13. Картина ясна до первого созвона.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноMLLLMRAGPythonNLP

ПлюсомFastAPIPostgreSQL

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

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

Проектировать и калибровать judge-пайплайны: рубрики, эталонная разметка, согласованность с людьми, борьба с позиционным bias и bias по длине

Строить RAG-поиск для дублей и противоречий: чанкинг, гибридный поиск, реранкинг, проверка противоречий на уровне утверждений

Делать регресс-тесты знаний: golden set, пороги, прогон на каждое изменение промпта или модели

Ловить галлюцинации: извлечение утверждений, привязка к источнику, верификация

Дообучать и дистиллировать judge-модели, чтобы снизить цену и задержку без потери качества

Собирать мультиагентные пайплайны с guardrails и контролем стоимости прогона

Наши требования

Высшее образование: математика, физика, информатика или профильный data science

5+ лет в ML, из них не меньше полутора лет с LLM в проде

RAG в продакшене, а не демо: с метриками качества, нагрузкой и историей улучшений

Fine-tuning: SFT, LoRA/QLoRA, желательно DPO. И понимание, когда дообучение не нужно

Опыт построения и калибровки LLM-as-judge. Знаете, как judge врёт и как это ловить

Guardrails и детекция галлюцинаций

Мультиагентные пайплайны: оркестрация, обработка отказов, ограничение стоимости

Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл

Английский для чтения статей и документации

Опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища

Графы знаний и онтологии

NLI, извлечение фактов, работа с разметчиками

Публикации, доклады, open source

Мы предлагаем

Гибридный формат работы

Годовая премия

Корпоративный спортзал и зоны отдыха

Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

Регулярные митапы и развитое DS-community

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 Сбер

Дополнительно

Наша NLP команда занимается задачами, связанными с извлечением информации из документов, диалогов, текстов различной природы

Главной задачей для нас является создание готовых продуктов с LLM под капотом, а также создание self-service для бизнеса, где каждый может создать нужный ему сценарий (скилл) в режиме No-code