Data Scientist (LLM & ML) в команду «История операций» СберБанк Онлайн
Описание
«История операций» — это один из самых высоконагруженных и посещаемых экранов в приложении. Наша цель — превратить сухие строчки чеков в умную, интерактивную ленту. Мы внедряем LLM, чтобы пользователь мог общаться со своими финансами на естественном языке, получать моментальные умные инсайты, автоматические теги и персонализированную аналитику расходов. Обязанности Разрабатывать и внедрять ИИ-агентов (LLM Agents): проектировать логику рассуждений агентов на базе GigaChat, обучать и дообучать модели (Finetuning, LoRA/QLoRA), настраивать вызов внешних инструментов (Tool Calling, API, SQL-скрипты) под задачи банкинга. Проектировать и обучать классические ML-модели: разработать точечную ML-модель для анализа транзакционных и табличных данных (классификация, кластеризация или скоринг) для обогащения контекста агента. Строить RAG-системы: проектировать архитектуру контекстного поиска ответов по сложным финансовым логам, чекам и документам пользователя. Анализировать и дорабатывать корзину запросов: оценивать результаты ответов агентов на предмет качества и ошибок, согласовывать метрики (Guardrails, Ragas), защищать подходы перед бизнесом и показывать ценность данных на понятном языке. Обеспечивать надёжность и оптимизировать воркфлоу: минимизировать задержки (latency) ответов, настраивать мониторинг внедрённых решений и контролировать траекторию поведения агента, полностью исключая галлюцинации в продакшене. Требования Наш идеальный кандидат Имеет опыт в LLM от 2-3 лет: запускал языковые модели в продакшн (Transformers, BERT, GPT-подобные архитектуры). Мастерски владеет Python: знает библиотеки PyTorch, Hugging Face, LangChain, LlamaIndex. Понимает специфику работы с LLM: умеет эффективно настраивать Prompt Engineering, оптимизировать инференс (vLLM, TensorRT-LLM) и оценивать качество генерации (Ragas, TruLens). Обладает базой в классическом машинном обучении: понимает алгоритмы Classic ML, умеет работать с табличными данными и признаками (CatBoost / LightGBM / Scikit-learn). Дружит с Big Data: уверенно пишет сложные запросы на SQL (Hive/Spark) для подготовки датасетов. Условия Почему это вакансия-мечта Масштаб и влияние: ваш код и обученные модели будут работать в смартфонах каждого второго жителя страны. Топовый стек и ресурсы: доступ к мощным суперкомпьютерам Сбера для обучения крупнейших моделей. Минимум бюрократии: мы работаем по гибким методологиям внутри сильного DS-сообщества. Забота и бенефиты: конкурентная белая зарплата, годовые бонусы, ДМС Тренажерный зал (работает даже сейчас) Современный IT-офис с пуфами, игровыми зонами и т.д. Умопомрачительные виды на Москву Профильное обучение, митапы, конфы, воркшопы внутри и вне компании Если вы хотите быть у истоков создания принципиально новой, умной истории операций — давайте создавать будущее финтеха вместе!