Вакансия — Senior Python ML-инжнер (AI-Агенты)

Департамент занимается развитием продаж в B2B-сегменте: крупный, крупнейший и средний бизнес, развивает собственную CRM-систему.

Команда состоит из 8 ML-инженеров, Data-Scientist, Python backend developers и MLOps. Кластер из 4-ех команд: 2 продуктовые и 2 ML-команды.

Наша команда разрабатывает AI-Агентов, ML-модели и LLM-приложения для корпоративного бизнеса, полностью выполняет весь цикл работ: от сбора и анализа данных до разработки/внедрения моделей в ПРОМ, мониторинга и защиты решений от Банковских регуляторов.

В том числе мы:

• разрабатываем и внедряем AI-агентов на базе LLM (как правило, линейка моделей SberDevice - GigaChat)
• используем современный стек: A2A, MCP, LangGraph, LangChain, Kubernetes, Hadoop, Elastic и многое другое
• реализуем оркестрацию AI-Агентов, мултиагентные мультимодальные системы, RAG-сервисы
• участвуем в проектах по иференсу open-source LLM на собственном кластере GPU, разработке NoCode-фабрики Агентов
• развиваем свой AutoML фреймворк совместно с Sber AI Lab и работаем с SotA-архитектурами
• строим витрины данных и BI-дашборды для мониторинга ML-моделей, AI-Агентов.

Обязанности

• разрабатывать и внедрять AI-Агентов в production

• разрабатывать end-2-end интеграции с внешними системами и другими сервисами по протоколам Kafka, REST API, gRPC, WS и др.

• сопровождать релизы моделей и агентов: документации, демо, защита решений от регуляторов

• взаимодействовать с бизнес-заказчиками, архитекторами и продуктовыми командами для развития AI-решений в бизнесе

Требования

• опыт работы в роли ML-инженера, DS, MLOps или Python Backend в ML

• опыт промышленной разработки на Python, знание ООП/паттернов проектирования и опыт работы с микросервисной архитектурой

• опыт работы с большими объёмами данных и распределенными хранилищами данных: например, Hadoop

• опыт работы с фреймворками для построения AI-агентов, такими как LangChain или LangGraph, базовые знания ML/DL

• владение инструментами для LLM-мониторинга и MLOps/ CI & CD.

Будет плюсом:

• опыт работы с распределенными очередями задач и сообщений, потоковой обработки данных - celery, taskiq, rabbitmq, Kafka, faststream

• опыт разработки высоконгруженных систем, гео-распределенных систем, оpenShift/Kubernetes

• опыт в инженерии данных

• опыт инференса LLM и фреймворков инференса: vLLM, sglang и др.

Условия

• комфортный современный офис: Санкт-Петербург, ул. Уральская д.1 (есть шаттл-развозка от метро)
• формат работы– офис, по согласованию гибрид
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте
• расширенный ДМС (медицинское страхование), льготное страхование для семьи
• ипотека для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.