- Страна
- Россия
- Зарплата
- от 180 000 ₽
Откликайтесь
на вакансии с ИИ
Python Engineer (RecSys, Highload, SOTA-модели)
Оценка ИИСильный бренд работодателя, прозрачные зарплатные вилки выше рынка и работа с передовыми технологиями (SOTA, GPU). Прямой контакт с руководителем значительно ускоряет процесс найма.
Сложность вакансии
Оценка ИИВысокие требования к математической базе и опыту работы с Big Data (петабайты данных). Необходимо владение специфическим стеком (PySpark, PyTorch) и понимание специфики Highload.
Анализ зарплаты
Оценка ИИПредложенные вилки (180к для Junior и от 250к для Middle) находятся на верхней границе или даже выше средних рыночных значений для данных грейдов в РФ, особенно с учетом годового бонуса. Сбер традиционно предлагает конкурентные условия для ML-специалистов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбер уже сейчас
Откликайтесь напрямую руководителю, чтобы обсудить работу над SOTA-моделями и Highload-системами в Сбере!
Описание вакансии
🔥Python Engineer в Сбер (RecSys, Highload, SOTA-модели)
Junior: от 180 000 ₽ на руки
Middle: от 250 000 ₽ на руки
➕ годовой бонус
Чем заняться: ML-пайплайны, PySpark (петабайты), PyTorch на GPU, оптимизация highload, менторинг.
Стек:Python, PySpark, Airflow, K8s, FastAPI, PyTorch, MLFlow.
Важно: мат. бэкграунд, production-код, сложные пайплайны, SQL/NoSQL.
Плюсом: K8s, MLFlow, distributed training, online inference.
Формат: офис / частичный гибрид Оформление: ТК РФ
📩 Связь напрямую с будущим руководителем — без HR скрининга: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PySpark
- Airflow
- Kubernetes
- FastAPI
- PyTorch
- MLflow
- SQL
- NoSQL
- Machine Learning
- Recommender Systems
Возможные вопросы на собеседовании
Вакансия предполагает работу с петабайтами данных.
Расскажите о вашем опыте оптимизации PySpark джоб при работе с экстремально большими объемами данных. С какими узкими местами вы сталкивались?
Упоминается работа с SOTA-моделями и PyTorch на GPU.
Как вы подходите к организации распределенного обучения (distributed training) для тяжелых моделей? Какие библиотеки или подходы используете?
В требованиях указан мат. бэкграунд и RecSys.
Какие метрики качества рекомендательных систем вы считаете наиболее релевантными для оценки бизнес-эффективности в реальном времени?
Стек включает FastAPI и online inference.
Как обеспечить минимальную задержку (latency) при инференсе ML-модели в высоконагруженном API на базе FastAPI?
Упоминается Airflow и сложные пайплайны.
Опишите ваш подход к обработке ошибок и обеспечению идемпотентности в сложных ML-пайплайнах в Airflow.
Похожие вакансии
Team Lead MLOps / Tech Lead
Data Science / ML Engineer
Data инженер Middle+ Senior
Data инженер Middle
AI/ML Engineer
Senior Data Engineer
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
- Зарплата
- от 180 000 ₽