Вакансия: Senior Python Developer (Agentic ML Systems)
Зарплата: руб.
Форма занятости:
Полная занятость
Метод работы:
Полный рабочий день
Задачи: Мы строим агентные решения на базе LLM для высоконагруженных сервисов оценки нефинансовых рисков. Ищем опытного Python-инженера, который любит ML, понимает его ограничений и силу, и хочет делать «настоящий» продакшен-бэкенд: надёжный, масштабируемый, с чёткой инженерной культурой. Вам предстоит внедрять современные подходы ML System Design, проектировать и эволюционировать агентные системы, которые реально приносят бизнес-ценность. Если вам близок дух Bell Labs/Xerox PARC в их лучшие годы — исследовать, проверять гипотезы и доводить до прома — вам к нам. Технологический ландшафт: Python 3.11+, FastAPI, Dishka, gRPC/HTTP, Kafka, PostgreSQL/PgVector; Triton/vLLM/SgLang/ONNX, PyTorch/Lightning, инструменты для LLM-оркестрации, LangGraph, CrewAI, mem0, NeMo Guardrails; Grafana/OpenTelemetry; Обязанности проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability) встраивать и развивать архитектуру агентных 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 агентных 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 инженерную культуру: код-ревью, дизайн-сессии, менторство. Требования 4–8+ лет промышленной backend-разработки на Python опыт проектирования распределённых систем и высоконагруженных сервисов. уверенная математическая база (вероятность/статистика/оптимизация) опыт 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. будет плюсом: опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность) опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernelов для инференса вклад в open-source или публикации/доклады знание домена рисков. Условия комфортный современный офис рядом с м. 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 гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.
Образование:
Не указано
Контакты:
Для просмотра контактов необходимо авторизоваться на сайте.
Войти
