Сбер·Москва·13 авг.
Senior Software Engineer (GigaChat)
Ориентир по рынку≈ 282 000 – 361 000 ₽наш грубый ориентир по 200 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана
≈ 3,4 тыс.–4,4 тыс. $
🏢 ОфисSeniorПолная занятость
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
Вилку работодатель не назвал. Грубый ориентир: столько платят в 200 вакансиях уровня Senior по всему рынку, без учёта специальности.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Висит 69 дней. Источник её не снимает, но так долго открытые позиции бывают трудными для найма или набором в резерв.
- Зарплата не указана
Описание
Расписано подробно: обязанностей 9, требований 10. Картина ясна до первого созвона.
- Обещают
- ДМС и компенсация спорта
- Известно
- высокие нагрузки
Что требуют
ОбязательноPythonFastAPIElasticsearchSQLPostgreSQLMLDockerKubernetesLLMCI/CD
Надбавка к зарплате на этом уровне: LLM +29%, Kubernetes +15%, Python +14%.
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
Создаем поисковый сервис для ответов на запросы пользователей на естественном языке. Предоставляем GigaChat и другим LLM доступ к актуальной информации из интернета, чтобы пользователи получали точные и свежие ответы на разные вопросы. Предстоит развивать поисковое ядро на OpenSearch, высоконагруженные backend-сервисы поиска на Python/FastAPI и ML-инфраструктуру для векторного поиска (embeddings, ANN/HNSW, инференс моделей через Triton Inference Server). Задача технически сложная и интересная: важны релевантность и качество ранжирования, низкая задержка ответа, надежность и масштабируемость по
Чем предстоит заниматься
Проектировать и развивать поисковое ядро на базе OpenSearch: схемы индексов, шардирование, ranking и relevance tuning, гибридный (full-text + векторный) поиск
Разрабатывать и развивать высоконагруженные backend-сервисы поиска на Python (FastAPI): API поискового сервиса, оркестрация запросов, интеграция с GigaChat и другими LLM
Проектировать и развивать ML-инфраструктуру для vector search: генерация и хранение embeddings, ANN/HNSW индексы, деплой и обслуживание моделей через Triton Inference Server
Работать с PostgreSQL: проектирование схем, оптимизация запросов, обеспечение консистентности метаданных поискового сервиса
Обеспечивать производительность, надежность и масштабируемость поисковой платформы: мониторинг, контроль SLA, оптимизация latency и throughput
Проводить нагрузочное тестирование, оптимизировать задержку ответа поиска и стоимость инфраструктуры
Внедрять CI/CD, тестирование и observability для сервисов поиска
Работать в связке с data-инженерами, ML-инженерами и продуктовой командой над качеством и релевантностью поиска
Участвовать в код-ревью, влиять на архитектурные решения команды, менторить менее опытных инженеров
Наши требования
5+ лет опыта коммерческой backend-разработки, из них значимый опыт работы над поисковыми системами / информационным поиском
Продвинутый Python, опыт построения production-сервисов на FastAPI или аналогичных асинхронных фреймворках
Практический опыт с OpenSearch или Elasticsearch в production: проектирование индексов, шардирование, ranking/relevance tuning, оптимизация запросов
Опыт проектирования и эксплуатации высоконагруженных распределенных сервисов с высоким RPS и низкой latency
Уверенное владение SQL и опыт работы с PostgreSQL: проектирование схем, оптимизация запросов, работа с индексами
Понимание задач vector search: embeddings, ANN/HNSW, гибридный (hybrid) поиск
Опыт работы с инференс-серверами моделей (Triton Inference Server или аналогичными): деплой и обслуживание ML-моделей в production
Понимание принципов распределенных систем: консистентность, шардирование, репликация, отказоустойчивость
Опыт построения мониторинга, алертинга и observability для production-сервисов
Опыт работы с Docker и Kubernetes
Мы предлагаем
Комфортный современный офис г. Москва, рядом с метро Кутузовская
Гибридный формат работы
Ежегодный пересмотр зарплаты и годовая премия
Корпоративный спортзал и зоны отдыха
Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
Вознаграждение за рекомендацию друзей в команду Сбера
Технологии и навыки
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).