ML Engineer

Позиция: Junior-Senior MLE
Куда: Сбер, B2C, Data Unit, Трайб X
Формат работы: полная занятость; офис/гибрид в Москве, Санкт-Петербурге
 
Вилка гросс:
150-250 джун + годовой бонус (mid 15%, max 30%) от годового оклада
250-430 мидл + годовой бонус (mid 25%, max 50%) от годового оклада
430-570 синьор + годовой бонус (mid 25%, max 50%) от годового оклада
 
Про нас:
Разрабатываем и внедряем сервисы, пайплайны и AI-агентов для получения полезных знаний из взаимодействий с клиентами в различных точках контакта. Есть рабочее пилотное решение и сейчас находимся в фазе расширения обрабатываемых точек контакта
 
Что предстоит делать?
- Дорабатывать и поддерживать существующий сервис. Разрабатывать интеграции для выхода на новые точки контакта с клиентами.
- Разрабатывать и внедрять новые сервисы с ML моделями
- Помогать с разработкой ETL для сбора полученных данных
- Проводить код-ревью, следить за качеством кода, писать тесты
 
От нас:
- Продуктовая разработка сервиса, в перспективе работающего с данными всех клиентов банка (100+ млн)
- Постоянное карьерное и личностное развитие: амбициозные задачи, полный цикл разработки, выступления на конференциях, классная команда энтузиастов и помощь в реализации самых смелых идей
- Минимум бесполезных встреч
- ДМС
 
Требования:
- Опыт внедрения в ПРОД сервисов с ML моделями
- Python, FastAPI/Flask/Django
- Kafka, PostgreSQL
- Docker, Openshift/K8s на уровне разработчика
- Понимание принципов работы ML и LLM
- Знакомство с ML-стеком (Pytroch, transformers)
 
Что ещё может пригодиться:
- Hadoop, PySpark, Airflow
- Scala, SQL
- CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps
 
Ответы на 10 важных вопросов
1. Данные: Петабайты данных, накопленных за почти 10 лет, доступные в банковском хранилище. По нагрузке будем расти до работы со всеми 100+ млн клиентов.
2. Железо, продакшн и ноутбук: В проде Openshift и огромные кластера Hadoop для ETL. При необходимости есть GPU. Рабочий ноутбук на Linux + разные варианты ВРМ (Citrix Workspace, преимущественно Windows)
3. Масштаб влияния на бизнес: продукт уже работает на части клиентской базы, в перспективе – раскатываемся на всех клиентов. Полученные нами данные могут использоваться разнообразными подразделениями.
4. Уровень зрелости Data Science: функция ИИ внедрена во все ключевые направления бизнеса, ИИ приносит деньги и бизнес активно приходит с запросом на наши решения.
5. Роль MLE в компании: разрабатывать и поддерживать сервисы, настраивать мониторинги и логирование, помогая коллегам DS-ам интегрировать ML-решения. Именно ML модели не разрабатывает. Имеет место бюрократия - с ней будем справляться совместно)
6. Бэкграунд вашего руководителя: %contact_placeholder%
7. Как часто вам будут мешать работать: Ежедневные дейли, планирование на час-полтора один раз в недельный спринт.
8. Карьерный рост: Каждый квартал – компания оценок и ревью. Централизованные компании по пересмотру ЗП и грейда раз в полгода.
9. Prod/research: Основное – катить фичи в продакшн.
10. Роль сервиса или лидера: в первое время преимущественно роль сервиса.

Резюме присылать с темой «Вакансия_Фамилия_MLE_CD_PP» на почту %contact_placeholder%