- Страна
- Россия
Откликайтесь
на вакансии с ИИ
DS/ AI Lead (технический директор)
Оценка ИИПозиция в топовой технологической компании (Сбер) с возможностью работать над передовыми AI-проектами государственного масштаба. Высокий уровень ответственности и работа с самым современным стеком технологий.
Сложность вакансии
Оценка ИИРоль требует сочетания глубокой технической экспертизы в GenAI/LLM и управленческих навыков уровня CTO. Высокие требования к опыту (от 5 лет в production) и знанию специфических инструментов (RAG, DeepSpeed, GigaChat).
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции уровня Lead/CTO в области AI в Москве рыночный диапазон составляет от 500 000 до 800 000 рублей и выше. Сбер обычно предлагает конкурентные условия, соответствующие верхней границе рынка для топовых специалистов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбер уже сейчас
Присоединяйтесь к команде Сбера и возглавьте разработку передовых AI-решений для государственного сектора!
Описание вакансии
*🔄*ВАКАНСИЯ: DS/ AI Lead (технический директор)
*📍*Локация: г Москва
*☄️*Закажи услугу: ТРУДОУСТРОЙСТВО ТОП-МЕНЕДЖЕРА
*📱*+7 963 970 64 70
*👉*Откликнуться
Обязанности:
*✔️\ Лидирование прототипирования в домене NLP
*✔️\ Разработка и валидация ML-моделей, создание и внедрение AI/GenAI решений для B2G
*✔️\ Проектирование архитектуры AI/GenAI и ML-моделей под бизнес-задачи
*✔️\ Формализация бизнес-задач в ML-постановки, выбор метрик качества и критериев успеха
*✔️\ Контро
Требования:
*✔️\ Умение решать ad-hoc задачи вне стандартных подходов к разработке продукта
*✔️\ Высшее техническое/математическое/экономическое образование
*✔️\ Опыт production-разработки ML-систем от 5 лет
*✔️\ Глубокое понимание современных LLM архитектур (Transformers, attention mechanisms)
*✔️\ Практический опыт с RAG: vector databases, embedding models, retrieval strategies
*✔️\ Опыт работы с распределенными вычислениями (PyTorch Distributed, DeepSpeed)
*✔️\ Python на уровне написания эффективного production кода
*✔️\ Опыт управления командой разработки, использующей в т.ч. системы автоматического написания кода (Codex и др.)
*✔️\ Понимание полного жизненного цикла ML-модели, знание основных подходов к оценке качества моделей, работе с дисбалансом, переобучением, интерпретируемостью
*✔️\ Владение английским на уровне Upper Intermediate и выше
*✔️\ Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
*✉️*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- LLM
- Transformers
- RAG
- NLP
- AI
- GenAI
- Vector Databases
- DeepSpeed
- ML
- GigaChat
- Kandinsky
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными методами извлечения данных для LLM.
Расскажите о вашем опыте внедрения RAG: какие векторные базы данных вы использовали и как оптимизировали стратегии поиска (retrieval)?
Оценка навыков масштабирования обучения моделей.
С какими сложностями вы сталкивались при использовании PyTorch Distributed или DeepSpeed для обучения крупных моделей?
Проверка умения соотносить технические метрики с бизнес-целями.
Как вы формализуете бизнес-задачи B2G сектора в конкретные ML-метрики и критерии успеха?
Оценка лидерских качеств и подходов к автоматизации разработки.
Как вы выстраиваете процессы в команде, использующей AI-ассистенты для написания кода (например, Codex)?
Проверка понимания специфики российских LLM.
