yandex
Страна
Россия
+500% приглашений

Откликайтесь
на вакансии с ИИ

Ускорим процесс поиска работы
JuniorВ офисеПолная занятость

Junior Python Developer (Реестр объектов недвижимости)

Оценка ИИ

Сбер — отличная площадка для старта карьеры, предлагающая работу с передовыми технологиями (GigaChat, RAG). Офисный формат в Екатеринбурге может быть ограничением для некоторых, но для Junior-специалиста это отличная возможность для нетворкинга и обучения.


Вакансия из Quick Offer Global, списка международных компаний
Пожаловаться

Сложность вакансии

ЛегкоСложно
Оценка ИИ

Для уровня Junior требования достаточно специфичны: необходим не просто Python, а опыт работы с LLM и RAG-системами от года. Однако статус Junior предполагает поддержку наставников и фокус на обучении внутри экосистемы Сбера.

Анализ зарплаты

Медиана90 000 ₽
Рынок70 000 ₽ – 120 000 ₽
Оценка ИИ

Зарплата в объявлении не указана, но для Junior Python/AI разработчика в Екатеринбурге рыночный диапазон составляет от 70 000 до 110 000 рублей. Сбер обычно предлагает конкурентную оплату и расширенный соцпакет (ДМС, льготная ипотека).

Сопроводительное письмо

Меня заинтересовала вакансия Junior Python Developer в команду «Реестр объектов недвижимости». Имея опыт работы с Python и библиотеками для построения RAG-систем, я стремлюсь применить свои знания в разработке LLM-агентов и интеграции GigaChat в масштабные корпоративные процессы Сбера.

Я обладаю практическими навыками работы с LangChain и векторными базами данных, что позволяет мне эффективно решать задачи по поиску в базах знаний. Уверенное владение FastAPI и понимание принципов асинхронности помогут мне быстро включиться в разработку API и интеграцию внешних сервисов. Буду рад возможности обсудить, как мой опыт в AI-инжиниринге принесет пользу вашему проекту.

+250% к просмотрам

Составьте идеальное письмо к вакансии с ИИ-агентом

Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Сбер уже сейчас

Присоединяйтесь к команде Сбера и создавайте инновационные LLM-решения для работы с недвижимостью!

Описание вакансии

Junior Python Developer (Реестр объектов недвижимости)

#офис #junior

Екатеринбург

Компания: Сбер

☑️Обязанности

-разработка LLM-агентов для автоматизации процессов (чат-боты, обработка документов).

-создание и оптимизация RAG-систем (поиск по базам знаний, корпоративным данным).

-интеграция с большими языковыми моделями (GigaChat, локальными моделями).

-написание API для взаимодействия с внешними сервисами.

☑️Требования

-опыт работы с LLM (OpenAI GPT, GigaChat, Llama, Mistral и др.) от 1 года.

-понимание промпт-инжиниринга и умение строить запросы к моделям

-уверенное владение Python (ООП, асинхронность, FastAPI/Flask)

-практический опыт с LangChain (агенты, цепочки, RAG)

-опыт работы с векторным представлением данных, в контексте RAG-системами (ChromaDB, FAISS, Qdrant, Weaviate, иное)

-умение подключать и использовать REST API (включая GigaChat API, OpenAI API и др.)

-базовое понимание векторных эмбеддингов (OpenAI Embeddings, Sentence Transformers).

Контакты: Откликнуться

Python Job 💬 в Telegram | 💙 в VK | 💬 в Max

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Создайте идеальное резюме с помощью ИИ-агента

Навыки

  • Python
  • LLM
  • RAG
  • GigaChat
  • FastAPI
  • Flask
  • LangChain
  • ChromaDB
  • FAISS
  • Qdrant
  • Weaviate
  • REST API
  • OpenAI API
  • Embeddings

Возможные вопросы на собеседовании

Проверка практического опыта работы с фреймворком, указанным в требованиях.

Расскажите о самом сложном 'chain' или агенте, которого вы реализовывали с помощью LangChain?

Важно понимать, как кандидат выбирает инструменты для хранения эмбеддингов.

В чем разница между векторными базами данных ChromaDB и FAISS, и в каких случаях лучше использовать каждую из них?

RAG — ключевая часть вакансии. Кандидат должен знать, как бороться с галлюцинациями моделей.

Как вы оцениваете качество ответов RAG-системы и какие методы используете для уменьшения галлюцинаций LLM?

Проверка базовых знаний Python, необходимых для высоконагруженных API.

Почему в FastAPI важно использовать async/await при работе с внешними API или базами данных?

Сбер активно использует собственные разработки.

Работали ли вы с GigaChat API и в чем, по-вашему, его основные отличия от OpenAI API при работе с русским языком?

Похожие вакансии

более 1000 офферов получено
4.9

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