ML инженер (middle+)

Обязанности

• Универсальный Агент / База знаний Ops производственный AI-продукт внутри Сбербанка, автоматизирующий деятельность операционного центра.
• Операционный центр обрабатывает порядка 3 000 типов задач ежедневно: анализ документов, верификация данных, сверка информации между банковскими системами.
• Продукт состоит из двух агентных систем, которые работают в связке: УИЦС (Создатель навыков) Агент-компилятор знаний.
• Читает стандартные операционные процедуры (СОП) и инструкции, преобразует их в машиноисполняемые скилы структурированные графы шагов, инструментов и логики.
• УИЦС (Универсальный движок) Агент-исполнитель.
• Принимает входящие задачи, выбирает нужный скил и исполняет его в co-pilot режиме с подтверждением оператора.
• Подключён к реальным интеграциям: ЕСМ, банковские API Обязанности Разработка и итерация пайплайна извлечения структуры из неформатированных документов (PDF, DOCX, скриншоты) Проектирование схемы представления скилов: граф шагов, типы узлов, инструменты, ветвления, условия Разработка и улучшение LLM-промптов для компиляции СОП граф, few-shot стратегии, оценка галлюцинаций Построение системы качества: gold dataset, метрики на каждом этапе пайплайна, автоматическое тестирование Внедрение семантического поиска и RAG для работы с базой знаний инструкций Исследование методов дообучения / fine-tuning для специализации модели под банковскую документацию Оценка качества созданных скилов через их исполнение в УИЦС (метрики end-to-end).
• Требования Опыт в ML Engineering от 4 лет, из них от 2 лет с LLM и NLP-задачами Уверенное владение Python: LangChain / LangGraph или аналоги, работа с графами зависимостей Практический опыт построения RAG-систем: chunking, embeddings, retrieval, re-ranking Опыт разработки и оценки промптов: few-shot, chain-of-thought, structured output, функциональные вызовы Работа с векторными хранилищами и семантическим поиском (FAISS, ChromaDB или аналоги) Умение строить системы оценки качества ML-пайплайнов: gold dataset, offline/online метрики, A/B Понимание архитектуры агентных систем: ReAct, plan-and-execute, tool use, multi-agent Условия Комфортный офис: г.Москва, проезд 2-й Южнопортовый, 12Ак1, (м.Кожуховская) Возможен гибридный формат работы после испытательного срока Корпоративный тренажерный зал Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа 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.