Senior Python (AI-augmented development)

Сбер·Москва·23 ч назад

Senior Python (AI-augmented development)

Ориентир по рынку≈ 287 000 – 324 000 ₽наша приблизительная оценка по 16 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 3,5 тыс.–4 тыс. $

🏢 ОфисSeniorПолная занятость

≈ 287 000 – 324 000 ₽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». 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

Вилку работодатель не назвал. Ориентир на созвон: столько платят в 16 похожих вакансиях Python Developer уровня Senior.

платят меньше287 000 – 324 000 ₽ у половины таких вакансийплатят больше

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

Вилки нет

Живость

Опубликована сегодня. Раньше не выкладывалась: вакансия новая, а свежие почти всегда живые.

Свежая

Описание

Обязанности: 7, требования: 11. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта
Известно: высокие нагрузки

Подробно

Что требуют

ОбязательноPythonAIFastAPIgRPCKafkaPostgreSQLPyTorchLLMLangChainGrafana

Надбавка к зарплате на этом уровне: LLM +36%, Python +14%.

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

Наша команда занимается одним из приоритетных направлений в Блоке «Риски», а именно выстраиванием Системы управления рисками собственных строительных проектов Банка и его дочерних обществ с помощью ИИ агентов. Мы создаем, развиваем и поддерживаем систему управления рисками – от идеи о строительстве, через реализацию, до передачи готового объекта заказчику. Приглашаем вас стать частью системы управления рисками самых интересных и амбициозных строительных проектов в России.

О роли

Ищем опытного Python-инженера, который любит ML, понимает его силу и ограничения, и хочет делать «настоящий» production-backend: надёжный, масштабируемый, с чёткой инженерной культурой.

Чем предстоит заниматься

Проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability)

Выстраивать и развивать архитектуру агентских систем (оркестрация инструментов, память, планирование, безопасные guardrails, оценка качества)

Внедрять ML System Design подходы: искать и применять передовые идеи и мировой опыт в области архитектур агентских систем

Работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API

Проводить технические исследования (R&D), быстро прототипировать, измерять, масштабировать в прод

Развивать платформу: тестирование, CI/CD, мониторинг, трассировка, расходы

Влиять на

Наши требования

От 6 лет промышленной backend-разработки на Python с акцентом на надёжность и производительность

Опыт проектирования распределённых систем и высоконагруженных сервисов

Уверенная математическая база (вероятность/статистика/оптимизация), инженерный вкус и привычка мерить всё метриками

Практика работы с ML-системами в проде: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества

Навык разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически их проверять и доводить до результата

Готовность брать ответственность за продуктовые эффекты, а не только за код

Опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность)

Опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernel для инференса

Вклад в open-source или публикации/доклады

Знание домена рисков

Python 3.12+, FastAPI, gRPC/HTTP, Kafka, PostgreSQL, PyTorch/Lightning, инструменты для LLM-оркестрации, LangGraph, Grafana/OpenTelemetry, OpenShift, Jenkins