Data Scientist (NLP / Prompt Engineering)
Описание
Локация: Москва, на месте работодателя; офис/гибрид. Офис рядом с м. Кутузовская.
Компания
СБЕР развивает AI-агентов для автоматизации бизнес-процессов и обработки текстовых и визуальных документов.
Что делать
Развивать системные и ролевые промпты, few-shot-сценарии, схемы рассуждения, tool calling и извлечение структурированных знаний из документов.
Строить пайплайны эволюции промптов с версионированием, golden set, side-by-side, LLM-as-judge и итерациями по ошибкам.
Решать задачи классификации и маршрутизации документов, включая разделение входных пакетов по классам и подготовку контекста для агента.
Работать с RAG и эмбеддингами: chunking, выбор и настройка эмбеддингов, retrieval, rerank и оценка качества поиска.
Работать с open-source LLM и GigaChat во внутреннем контуре, предлагая и обосновывая стек под задачу.
Требования
От 3 лет опыта в Data Science, NLP или LLM.
Опыт prompt engineering на продакшн-задачах.
Понимание tool calling / function calling и RAG-архитектур.
Опыт классификации текстов и документов.
Уверенный Python для экспериментов, скриптов и оценки качества.
Понимание метрик качества LLM и подходов к оценке, включая eval-наборы и precision / recall по кейсам.
Хорошо, если есть
Опыт работы с эмбеддингами: выбор модели, fine-tune, contrastive learning и оценка retrieval.
Опыт пайплайнов эволюции промптов с DSPy, GePA и аналогами, а также Langfuse / PromptLayer.
Опыт LangChain, LangGraph или LlamaIndex на уровне логики агента.
Опыт в банках, комплаенсе, документообороте или работе с юридическими текстами.
Опыт LoRA / SFT, CV или мультимодальных моделей.
Культура и преимущества
Работа в офисном или гибридном формате.
Ежегодный пересмотр зарплаты и годовая премия.
Корпоративный спортзал, зоны отдыха и расширенный ДМС, включая льготное страхование для семьи.
Более 400 образовательных программ СберУниверситета, программа адаптации и помощь руководителя на старте.
Корпоративная пенсионная программа, льготный ипотечный дисконт, подписка Прайм и вознаграждение за рекомендации.