Наша команда создает линейку продуктов на основе мультимодальной нейросетевой модели GigaChat, которая является одной из самых мощных и продвинутых моделей искусственного интеллекта, доступных на сегодняшний день.
Мы создаем удобный и понятный сервис, позволяющий людям использовать GigaChat для решения повседневных задач и развлечения: поиск ответов на вопросы, работа с документами, создание контента, изучение языков, общение с персонажами и многое другое.
Вам предстоит участие в обсуждении и воплощении в жизнь новых фичей, поиск и проработка нетривиальных инженерных решений, работа в креативной команде, которая всегда открыта для предложений по улучшению продукта и внутренних процессов.
Обязанности
- проектирование и развитие _ML/DS_\-продуктов: от формулировки бизнес-гипотезы и _MVP_ до промышленного запуска и масштабирования;
- перевод бизнес-задач в _ML/аналитическую_ постановку: определение целевой метрики, _baseline_, критериев качества и ожидаемого эффекта;
- разработка _end-to-end ML/AI_\-пайплайнов: сбор и подготовка данных, _feature engineering_, обучение моделей, _inference_, мониторинг качества;
- построение систем оценки качества _AI_\-продуктов: _offline evals_, _golden datasets_, _human review_, _LLM-as-judge_, _regression testing_, _guardrails_;
- аналитика пользовательского поведения и продуктовых метрик: _activation_, _retention_, _DAU/MAU_, _frequency_, _conversion_, _NPS_, _unit economics_;
- проведение _A/B_\-тестов и квазиэкспериментов: дизайн экспериментов, расчёт мощности, интерпретация результатов, оценка причинно-следственного эффекта;
- участие в развитии _AI/LLM_\-продуктов: _RAG_, _AgenticRAG_, ассистенты, _AI copilots_, модели рекомендаций, классификации, скоринга и персонализации;
- автомониторинг моделей и продуктов: _drift_, _degradation_, _latency_, _cost_, _hallucination rate_, _task success rate_, _failure modes_;
- подготовка аналитических выводов для продуктовых команд и бизнеса: что работает, что не работает, почему и какие решения нужно принять дальше.
Требования
- уверенное знание математической статистики, классического ML, продуктовой аналитики и экспериментального дизайна;
- опыт работы с ML/DS-продуктами: от исследования данных и прототипа до запуска в production или принятия продуктовых решений;
- умение формулировать метрики качества модели и продукта: _precision/recall_, _ROC-AUC_, _calibration_, _retention_, _conversion_, _task success_, _NPS_;
- опыт построения _evals_ для _LLM/AI_\-систем: тестовые датасеты, рубрики оценки, _human-in-the-loop_, _regression tests_, _hallucination/safety checks_;
- высокий уровень владения _Python_ и _SQL_;
- опыт работы с _ML/DS_ стеком: _pandas_, _numpy_, _scikit-learn_, _CatBoost_, _XGBoost_, _PyTorch_/_TensorFlow_, _Transformers_;
- понимание принципов _RAG_, _AgenticRAG_, _LLM pipelines_ и ограничений _LLM_\-систем;
- опыт с _BI_/аналитическими инструментами и построением витрин данных будет плюсом.
Условия
- комфортный современный офис рядом с м. Кутузовская
- ежегодный пересмотр зарплаты, годовая премия
- корпоративный спортзал и зоны отдыха
- система обучения для профессионального и карьерного развития
- расширенный полис ДМС с первого дня работы и страхование для семьи
- льготная программа ипотеки для сотрудников
- бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
- вознаграждение за рекомендацию друзей в команду Сбера.