- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Tech Lead MLE
Оценка ИИВысокая оценка обусловлена работой в топовой технологической компании (Сбер), фокусом на передовых технологиях (GenAI, AI-агенты) и лидерской позицией с широким кругом ответственности.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в GenAI (RAG, агенты), классическом ML и MLOps, а также подтвержденного опыта технического лидерства и проектирования архитектуры в крупном энтерпрайзе.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Tech Lead MLE в Москве в финтех-секторе рыночные предложения обычно начинаются от 450 000 рублей и могут достигать 700 000+ рублей в зависимости от бонусов. Сбер предлагает конкурентные условия, соответствующие верхнему сегменту рынка.
Сопроводительное письмо
I am writing to express my strong interest in the Tech Lead MLE position at Sber. With extensive experience in designing end-to-end ML systems and a deep focus on GenAI, I am confident in my ability to lead your team in developing cutting-edge AI agents and RAG systems for self-service devices. My background in technical leadership, combined with hands-on expertise in LLM optimization (SFT, LoRA) and production-level Python development, aligns perfectly with the requirements of this role.
Throughout my career, I have successfully bridged the gap between complex business problems and robust technical solutions. I am particularly excited about the opportunity to integrate LLMs into the business processes of the self-service device management division. My experience with MLOps, Spark, and high-load ML pipelines ensures that I can not only design innovative models but also guarantee their stability and scalability in a production environment. I look forward to the possibility of discussing how my skills can contribute to Sber's AI initiatives.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбер уже сейчас
Присоединяйтесь к команде Сбера и создавайте будущее банковских технологий с помощью GenAI и LLM!
Описание вакансии
Tech Lead MLE
#гибрид #lead
Москва
Компания:Сбер
🔹Обязанности
Техническое лидерство и архитектура
• Проектирование end-to-end ML / GenAI систем: от бизнес-задачи до ПРОМа
• Выбор архитектуры решений (LLM, RAG, агенты, классический ML)
• Принятие ключевых технических решений и ответственность за них
• Code review, установка стандартов разработки в команде • Менторинг MLE / DS / аналитиков
Разработка GenAI-решений
Разработка и внедрение AI-агентов для внутренних и клиентских сценариев
• Проектирование RAG-систем (включая сложные графы и мультиагентные схемы)
• Интеграция LLM в бизнес-процессы дивизиона управления устройствами самообслуживания (банкоматы и др.)
• Дообучение моделей под домен (SFT / LoRA / embeddings / rerankers)
• Оптимизация latency, стоимости и стабильности LLM-решений
ML и аналитика
• Разработка и поддержка ML-моделей (классический ML + DL)
• Feature engineering, валидация, A/B тестирование
• Мониторинг качества моделей, оценка и защита AI-эффекта
• Работа с временными рядами, аномалиями, прогнозированием
Внедрение и эксплуатация
• Разработка AI решений для ПРОМ
• Построение ML-пайплайнов (обучение, переобучение, мониторинг)
• Интеграция с существующей ИТ-архитектурой
• Обеспечение воспроизводимости и отказоустойчивости решений
🔹Требования
• Техническое лидерство: code review, архитектурные решения, менторинг
Знания и навыки
• Python (production-level, PEP8, тесты, архитектура)
• SQL (сложные запросы, оконные функции)
• Классический ML (GBM, DL, Time Series — на уровне уверенного продакшена)
• LLM / GenAI: • Prompt engineering
• RAG (embeddings, rerankers, chunking, retrieval стратегии)
• AI-агенты (LangChain / LangGraph / ReAct / Tools)
• Работа с галлюцинациями, latency, cost control · MLOps:
• Docker, CI/CD для ML •
REST / Async API (FastAPI)
• Apache Spark (Pyspark, Spark SQL) – разработка и оптимизация batch-пайплайнов
• Hive/HDFS/витрины данных: подготовка и поддержка витрин для ML моделей и GenAI решений
Контакты: Откликнуться
🔥 Подписаться на наши каналы / @best_itjob / @it_rab
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- Machine Learning
- Deep Learning
- Time Series
- LLM
- Generative AI
- RAG
- LangChain
- LangGraph
- MLOps
- Docker
- CI/CD
- FastAPI
- Apache Spark
- Hadoop HDFS
- Hive
Возможные вопросы на собеседовании
Проверка опыта проектирования сложных систем в контексте специфики вакансии.
Расскажите о вашем опыте проектирования RAG-систем: какие стратегии чанкинга и ретривала вы использовали для минимизации галлюцинаций?
Оценка навыков оптимизации и работы с ограничениями ресурсов.
Как вы подходите к оптимизации latency и стоимости при внедрении LLM-решений в высоконагруженные бизнес-процессы?
Проверка лидерских качеств и умения выстраивать процессы разработки.
Как вы выстраиваете процесс Code Review и какие стандарты разработки считаете критичными для MLE-команды?
Оценка навыков работы с данными в экосистеме Big Data.
Опишите ваш опыт оптимизации batch-пайплайнов в Apache Spark для подготовки витрин данных под ML-модели.
Проверка умения дообучать модели под конкретные домены.
В каких случаях вы выберете SFT, а в каких — RAG? Был ли у вас опыт использования LoRA для адаптации моделей под узкую предметную область?
Похожие вакансии
Python‑разработчик в инфраструктуру центра ИИ, lead
Lead Machine Learning Engineer
Lead AI Engineer, Enterprise AI Operations
AI Program & Governance Lead
1045- ServiceNow Architect (CTA) & Agentic AI Expert
Principal Machine Learning 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