ML-инженер NLP и LLM
Лаборатория нейронаук и поведения человека в Сбере ищет ML Developer в команду больших данных и гиперперсонализации (около 25 человек, из них DS-команда порядка 10 человек, остальные — исследователи, психологи и социологи).
Лаборатория работает на стыке поведенческой науки, данных и AI: строит модели, описывающие и предсказывающие поведение человека — от сегментации клиентов до цифровых двойников. Роль предполагает превращение исследовательских гипотез в работающие модели и надёжную инфраструктуру вокруг них.
Чем предстоит заниматься:
- Классический ML/NLP: разработка и обучение моделей для анализа текстов, поведенческих данных, психометрических профилей.
- Кластеризация, классификация, NER, sentiment — всё, что требуется для исследований на данных.
- LLM-интеграция: fine-tuning и дообучение языковых моделей под задачи Лаборатории, построение embedding-пайплайнов, проектирование RAG-архитектур с графовыми и векторными БД.
- Работа с промптами на уровне системной архитектуры, а не ad hoc экспериментов.
- Production & MLOps: вывод моделей из ноутбуков в production — контейнеризация, CI/CD, мониторинг, версионирование моделей и данных.
- Построение воспроизводимых пайплайнов обработки данных.
Технологический стек:
- ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost.
- LLM & Vector Search: локальные модели (Llama 3, Qwen), API (OpenAI), FAISS.
- Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ, MongoDB.
- MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry.
- Инструменты: Hydra, Poetry.
Ожидания от кандидата:
ML & NLP:
- Практический опыт обучения и дообучения моделей (классический ML + deep learning).
- Уверенная работа с NLP: text classification, NER, embeddings, topic modeling, умение работать с ASR, Text-to-Speech задачами.
- Опыт fine-tuning трансформерных моделей (HuggingFace Transformers, PEFT, LoRA, QLoRA).
- Понимание метрик качества моделей и умение проектировать эксперименты.
LLM & Retrieval-архитектуры:
- Опыт работы с LLM API (OpenAI, Anthropic и др.) на уровне production-решений.
- Построение RAG-пайплайнов: chunking-стратегии, embedding-модели, векторные и графовые БД.
- Понимание различий между векторным поиском и BM25.
- Работа с LangChain / LangGraph или аналогами.
Engineering & MLOps:
- Python как основной язык, уверенное владение.
- Docker, CI/CD, базовый DevOps.
- Опыт работы с ML-оркестраторами (MLflow, W&B, Prefect, Dagster — хотя бы один).
- Навыки разработки API (FastAPI / аналоги).
- Работа с SQL-базами (ClickHouse, Postgres) и очередями (RabbitMQ и т.п.).
Софты и майндсет:
- Техническое образование (ML, CS, математика, инженерия).
- Умение переводить абстрактные исследовательские гипотезы в формализованные ML-задачи.
- Способность объяснять технические решения нетехнической аудитории (исследователям, бизнесу).
- Интерес к поведенческой науке, психологии — или хотя бы готовность погружаться.
Будет плюсом:
- Опыт работы с распределёнными вычислениями (Ray, DeepSpeed).
- Знакомство с Prometheus, OpenTelemetry, observability-стеком.
- Опыт работы с графовыми базами данных (Neo4j и т.п.).
- Контроль стоимости и latency AI-вызовов.
- Публикации, pet-проекты, вклад в open-source.
- Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Условия:
- Комфортный современный офис в Москве рядом с метро Кутузовская.
- Офисный формат работы: 5/2 с 10 до 19, возможен гибрид (1–2 дня в неделю вне офиса).
- 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.
- 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.