- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist / MLE
Оценка ИИСбер — лидер в области AI в России, работа над AI-агентами является передовым направлением. Вакансия предлагает отличные возможности для профессионального роста и работы с современным стеком.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью совмещать навыки Data Science и Backend-разработки, а также опытом работы с LLM-агентами и высоконагруженными системами.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции MLE такого уровня в Москве рыночный диапазон составляет от 300 до 500 тысяч рублей. Сбер обычно предлагает конкурентные условия, соответствующие или слегка превышающие средние показатели по рынку для опытных специалистов.
Сопроводительное письмо
I am writing to express my interest in the Data Scientist / MLE position at Sber. With a strong background in Python development and machine learning, I am particularly excited about the opportunity to build AI agents and microservices from scratch. My experience in developing and fine-tuning both Classic ML and Deep Learning models aligns perfectly with the responsibilities outlined in this role.
In my previous projects, I have focused on creating production-ready code and designing scalable backend architectures for AI services. I have a deep understanding of MLOps principles and experience working with both relational and non-relational databases. I am confident that my skills in building high-load distributed ML systems will allow me to contribute effectively to Sber's innovative AI products.
I am eager to bring my expertise in LLMs and agentic workflows to your team and help optimize the performance of your AI solutions. Thank you for considering my application.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбер уже сейчас
Присоединяйтесь к команде Сбера и создавайте передовых AI-агентов — откликайтесь прямо сейчас!
Описание вакансии
Data Scientist / MLE#гибрид
Москва
Компания: Сбер
🔹Обязанности
-Разрабатывать с нуля AI-агентов и микросервисы для AI-продуктов;
-Разрабатывать и дообучать модели машинного обучения (Classic ML, Deep Learning);
-Разрабатывать алгоритмы взаимодействия ML-моделей и сервисных модулей;
-Принимать участие в разработке архитектуры и дизайна агентов и AI-сервисов;
-Проектировать и разрабатывать backend-части AI-сервиса;
-Принимать участие в оптимизации скорости работы AI-агентов и ML-моделей
🔹Требования
-Компетенции: Python, Classic ML, Deep Learning, LLM/Agents, MLOps
-Понимание принципов разработки, внедрения и сопровождения AI-решений;
-Уметь писать хороший и понятный production-ready код на Python, хорошее знание алгоритмов, структур данных;
-Опыт работы с реляционными и нереляционными базами данных
-Опыт построения отказоустойчивых высоконагруженных распределенных ML систем;
Контакты: Откликнуться
🔥 Подписаться на наши каналы / @best_itjob / @it_rab
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- Deep Learning
- LLM
- MLOps
- Backend
- SQL
- NoSQL
- Algorithms
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными LLM-технологиями, указанными в вакансии.
Расскажите о вашем опыте проектирования AI-агентов: какие фреймворки использовали и как решали проблему зацикливания или галлюцинаций?
Вакансия требует навыков MLE, что подразумевает умение выводить модели в продакшн.
Как вы организуете процесс CI/CD для ML-моделей и какие инструменты MLOps считаете наиболее эффективными для мониторинга качества в реальном времени?
Упоминание высоконагруженных систем требует знаний в области оптимизации.
Какие стратегии оптимизации инференса LLM вы применяли для сокращения задержки (latency) в высоконагруженных сервисах?
Проверка фундаментальных знаний алгоритмов и структур данных, критичных для написания production-ready кода.
Опишите случай, когда выбор конкретной структуры данных или алгоритмическая оптимизация значительно повысили производительность вашего ML-сервиса.
Роль предполагает участие в проектировании архитектуры.
Как бы вы спроектировали архитектуру взаимодействия между несколькими специализированными AI-агентами для решения сложной бизнес-задачи?
Похожие вакансии
MLOps Engineer (ML pipelines / Kubernetes / Airflow)
Senior Data инженер
Senior MLOps Engineer (Platform Development / LLMOps)
Data Engineer / SAP HANA Developer (Senior)
Data Scientist в RecSys
Data Engineering Team Lead (команда Clickhouse)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!
- Страна
- Россия