Позиция: Junior-Senior MLE Куда: Сбер, B2C, Data Unit, Трайб X Формат работы: полная занятость; офис/гибрид в Москве, Санкт-Петербурге   Вилка гросс: 150-250 джун + годовой бонус (mid 15%, max 30%) от годового оклада 250-430 мидл + годовой бонус (mid 25%, max 50%) от годового оклада 430-570 синьор + годовой бонус (mid 25%, max 50%) от годового оклада   Про нас: Разрабатываем и внедряем сервисы, пайплайны и AI-агентов для получения полезных знаний из взаимодействий с клиентами в различных точках контакта. Есть рабочее пилотное решение и сейчас находимся в фазе расширения обрабатываемых точек контакта   Что предстоит делать? - Дорабатывать и поддерживать существующий сервис. Разрабатывать интеграции для выхода на новые точки контакта с клиентами. - Разрабатывать и внедрять новые сервисы с ML моделями - Помогать с разработкой ETL для сбора полученных данных - Проводить код-ревью, следить за качеством кода, писать тесты   От нас: - Продуктовая разработка сервиса, в перспективе работающего с данными всех клиентов банка (100+ млн) - Постоянное карьерное и личностное развитие: амбициозные задачи, полный цикл разработки, выступления на конференциях, классная команда энтузиастов и помощь в реализации самых смелых идей - Минимум бесполезных встреч - ДМС   Требования: - Опыт внедрения в ПРОД сервисов с ML моделями - Python, FastAPI/Flask/Django - Kafka, PostgreSQL - Docker, Openshift/K8s на уровне разработчика - Понимание принципов работы ML и LLM - Знакомство с ML-стеком (Pytroch, transformers)   Что ещё может пригодиться: - Hadoop, PySpark, Airflow - Scala, SQL - CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps   Ответы на 10 важных вопросов 1. Данные: Петабайты данных, накопленных за почти 10 лет, доступные в банковском хранилище. По нагрузке будем расти до работы со всеми 100+ млн клиентов. 2. Железо, продакшн и ноутбук: В проде Openshift и огромные кластера Hadoop для ETL. При необходимости есть GPU. Рабочий ноутбук на Linux + разные варианты ВРМ (Citrix Workspace, преимущественно Windows) 3. Масштаб влияния на бизнес: продукт уже работает на части клиентской базы, в перспективе – раскатываемся на всех клиентов. Полученные нами данные могут использоваться разнообразными подразделениями. 4. Уровень зрелости Data Science: функция ИИ внедрена во все ключевые направления бизнеса, ИИ приносит деньги и бизнес активно приходит с запросом на наши решения. 5. Роль MLE в компании: разрабатывать и поддерживать сервисы, настраивать мониторинги и логирование, помогая коллегам DS-ам интегрировать ML-решения. Именно ML модели не разрабатывает. Имеет место бюрократия - с ней будем справляться совместно) 6. Бэкграунд вашего руководителя: LinkedIn 7. Как часто вам будут мешать работать: Ежедневные дейли, планирование на час-полтора один раз в недельный спринт. 8. Карьерный рост: Каждый квартал – компания оценок и ревью. Централизованные компании по пересмотру ЗП и грейда раз в полгода. 9. Prod/research: Основное – катить фичи в продакшн. 10. Роль сервиса или лидера: в первое время преимущественно роль сервиса. Резюме присылать с темой «Вакансия_Фамилия_MLE_CD_PP» на почту mnikragoyzha@sberbank.ru