Вакансия: ML-инженер (ИИ-агенты, Лаборатория интернета вещей)
Зарплата: руб.
Форма занятости:
Метод работы:
Полный рабочий день
Задачи: Мы строим корпоративную систему управления знаниями нового поколения на основе мультиагентной GenAI-архитектуры. Система обеспечивает сотрудникам интеллектуальный доступ к корпоративным знаниям через чат-интерфейс и веб-поверхности, формирует персональные рекомендации контента и автоматизирует работу с неструктурированной информацией. Техническая основа – мультиагентная система, интегрированная с реляционными и документальными БД, S3-хранилищем документов, корпоративным RAG-сервисом, OCR-системой и другими внутренними АС банка. Разработка ведется на корпоративной микросервисной платформе с выделенным AI-агентным фреймворком. Это продуктовая разработка с нуля с длинным горизонтом. Обязанности Разработка и настройка логики агентов с учётом ролевой модели пользователей и источников данных подготовка и предобработка данных из корпоративных АС банка для обучения и дообучения моделей интеграция с корпоративным RAG-сервисом: настройка retrieval-пайплайнов, оптимизация индексов отладка логики агентов, работа с пользовательской обратной связью, итеративное улучшение повышение качества ответов: оценка метрик, выявление деградаций, работа с качеством источников информации эксперименты с prompt engineering, fine-tuning и методами улучшения релевантности Требования Опыт работы в роли ML-инженера от 3 (трех) лет в проектах по разработке и/или модификации и/или внедрению ИИ решений и ПО с использованием Python опыт разработки ИИ-агентов и чат-ботов; опыт работы с агентными фреймворками: LangChain, LangGraph или аналоги понимание NLP-методов: классификация, извлечение сущностей, семантический поиск, embeddings, summarization опыт работы c LLM (OpenAI, Qwen, GigaChat или аналоги) понимание RAG-архитектур и принципов векторного поиска prompt engineering – структурирование промптов, chain-of-thought опыт подготовки и очистки данных (pandas, spark или аналоги) понимание метрик качества NLP-систем (precision, recall, NDCG и т.п.) Будет преимуществом: опыт оценки качества генеративных ответов (RAGAS, TruLens и т.п.) векторные БД: Chroma, Weaviate, pgvector или аналоги опыт работы с корпоративными данными (банк, ERP, CRM) SQL опыт дообучения (fine-tuning) языковых моделей Условия офисный или гибридный формат в Москве ежегодный пересмотр зарплаты и годовая премия расширенный ДМС и льготное страхование для семьи уникальная система обучения Сбера для профессионального и карьерного развития выгодная ипотека для сотрудников бесплатная подписка СберПрайм+, скидки на продукты компании-партнёров вознаграждение за рекомендацию друзей в команду Сбера корпоративная пенсионная программа.
Образование:
Не указано
Контакты:
Для просмотра контактов необходимо авторизоваться на сайте.
Войти
