Сбер·Москва·24 сент.
Senior ML Engineer (GenAI Data Governanace)
Ориентир по рынку≈ 130 000 – 288 000 ₽наш грубый ориентир по 130 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана
🏢 ОфисMiddleПолная занятостьКорпорация
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Вакансия живая, задачи расписаны.
3 из 4 в норме
Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона
Деньги
Сумму в объявлении не указали. Грубый ориентир: столько платят в 130 вакансиях уровня Middle по всему рынку, без учёта специальности.
- Кроме оклада: премия. Размер не назван, а от него зависит доход за год.
Живость
Висит 25 дней, признаков фиктивного найма нет.
- Появилась у нас 24 сентября 2026 г., 25 дней назад
- Эту вакансию уже публиковали 1 раз, первая публикация была 8 августа 2026 г.
- Текст сверяли с источником, с публикации он не менялся
- У источника её видели сегодня
Считается по истории наблюдений за вакансией: сколько раз её переоткрывали, меняли ли текст, как долго висит. Выдачу источника сверяем при каждом обходе: пропажу, возврат и правки текста. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Расписано подробно: обязанностей 6, требований 14. Картина ясна до первого созвона.
- Обещают
- ДМС и компенсация спорта
Что требуют
ОбязательноMLLLMRAGPythonNLP
ПлюсомFastAPIPostgreSQL
Надбавка к зарплате на этом уровне: Python +40%.
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
Специфика банка: много контрагетов, с ними нужно иногда коммуницировать
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
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).