Team Lead LLM engineer GenAI

до 800 000 ₽

≈ до 9,7 тыс. $

🏢 ОфисSeniorПолная занятостьКорпорация

Стоит ли откликаться

Вакансия закрыта

Вакансию уже закрыли, и отклик сюда не дойдёт. Как она жила, видно в разборе ниже.

3 из 4 в норме

Чем предстоит заниматься

Развитие GenAI сервисов: Создание и улучшение RAG-систем (в т.ч. Agentic RAG), инструментов Agent Observability, сервисов обработки документов

Обучение моделей: тренировка и дообучение мультимодальных моделей на русском языке (OCR, Embeddings, Rerankers, VLM)

MLOps и Data Management: Организация и автоматизация процесса разметки данных (от сбора до контроля качества краудсорсинга)

Развитие автономных пайплайнов улучшения качества моделей с использованием LLM-as-a-Judge

Engineering: релиз новых моделей и сервисов в продуктовые среды

Наши требования

Глубокое понимание LLM: опыт работы с большими языковыми моделями, Prompt Engineering, Fine-tuning LLM/VLM

Инженерная культура: уверенное владение Python 3, знание ООП, принципов SOLID. Хорошее знание алгоритмов и структур данных

LLM Stack: опыт работы с LangChain, LlamaIndex или другими фреймворками для разработки агентов и мультиагентных систем (MAS)

Vibe Coding: умение автоматизировать собственные рутинные процессы с помощью AI-инструментов

Mindset: желание постоянно изучать новые SOTA-подходы, модели и технологии

Активный профиль на GitHub с качественным кодом

Достижения (медали) на Kaggle

Участие в Open-Source проектах, связанных с LLM/NLP

Мы предлагаем

Комфортный современный офис - м. Кутузовская

Гибридный формат работы

Ежегодный пересмотр зарплаты, годовой бонус

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

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 Сбера

Корпоративная пенсионная программа

Дополнительно

Наша команда (70+ человек) создает технологический фундамент для внедрения GenAI в экосистему банка. Мы разрабатываем RAG-платформу, фреймворк исполнения агентов и системы обработки неструктурированного контента (документы, коммуникации). Наши сервисы оборачивают базовые LLM в готовые интерфейсы, позволяя бизнесу быстро создавать собственных агентов и GenAI-приложения

Мы обеспечиваем полный цикл разработки (E2E): ML-инженеры и бэкенд-разработчики работают вместе над реализацией сервисов, в связке с фронтендом и дизайнерами. У нас есть собственная команда разметки для оценки качества и сбора датасетов, с помощью которых мы дообучаем доменные модели под банковские сценарии

Масштаб задач

Сейчас в портфеле более 200 реализованных сценариев

В планах — реализация еще 300+ сценариев, включая создание слоя процедурной памяти для агентов, специализированных поисковых агентов и систем автоматической оценки качества GenAI (Auto-Eval)

Развитие Self-Service инструментов (песочниц с UI), где команды банка могут тестировать гипотезы перед интеграцией

Чем предстоит заниматься

Мы ищем инженеров, которым интересно не только R&D, но и создание полноценных продуктовых систем, способных обучаться на пользовательском фидбэке и решать конкретные бизнес-задачи