ML/AI developer (Лаборатория нейронаук и поведения человека)

Навыки

• AI-агенты
• API (интеграции)
• Big Data
• XGBoost / LightGBM / CatBoost
• CI/CD
• ClickHouse
• Dagster / Prefect / Luigi

О компании и продукте

• Вакансия ML/AI developer (Лаборатория нейронаук и поведения человека) в г Москва | Сбер. ML/AI developer (Лаборатория нейронаук и поведения человека). 24 июля 2026 • г Москва • ПАО Сбербанк • Информационные технологии:Дата-сайентист. Мы исследовательское подразделение, которое отвечает в Сбере за «человека»: поведение, психология, тренды, изменения, особенности восприятия и мышления. Наша ключевая задача: исследовать и рассказывать, что происходит и будет происходить с человеком, как эти изменения переложить в продукт, коммуникации, HR-процессы, чтобы они стали лучше
• Мы ищем ML Developer'а — человека, который будет реализовывать ML-проекты Лаборатории: обучение и дообучение моделей, построение data-пайплайнов, вывод решений в production
• Мы строим модели, которые описывают и предсказывают поведение человека — от сегментации клиентов до цифровых двойников. ML Developer — это тот, кто превращает исследовательские гипотезы в работающие модели и надёжную инфраструктуру вокруг них. Наш технологический стек. ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost. LLM & Vector Search: локальные модели (Llama 3, Qwen), API (OpenAI), FAISS. Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ, MongoDB. MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry. Инструменты: Hydra, Poetry. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры

Задачи

• классический ML/NLP: разработка и обучение моделей для анализа текстов, поведенческих данных, психометрических профилей
• кластеризация, классификация, NER, sentiment — всё, что требуется для исследований на данных
• LLM-интеграция: fine-tuning и дообучение языковых моделей под задачи Лаборатории, построение embedding-пайплайнов, проектирование RAG-архитектур с графовыми и векторными БД
• работа с промптами на уровне системной архитектуры, а не ad hoc экспериментов
• Production & MLOps: вывод моделей из ноутбуков в production — контейнеризация, CI/CD, мониторинг, версионирование моделей и данных
• построение воспроизводимых пайплайнов обработки данных
• Работа в Лаборатории – это возможность прикоснуться практически к любому бизнес-подразделению экосистемы
• Сбера, к большим данным
• Сбера, к клиентской базе более 100 млн человек

Требования

• ML & NLP
• практический опыт обучения и дообучения моделей (классический ML + deep learning)
• уверенная работа с NLP: text classification, NER, embeddings, topic modeling, умение работать с ASR, Text-to-Speech задачами
• опыт fine-tuning трансформерных моделей (HuggingFace Transformers, PEFT, LoRA, QLoRA)
• понимание метрик качества моделей и умение проектировать эксперименты
• LLM & Retrieval-архитектуры
• опыт работы с LLM API (OpenAI, Anthropic и др.) на уровне production-решений
• построение RAG-пайплайнов: chunking-стратегии, embedding-модели, векторные и графовые БД
• понимание различий между векторным поиском и BM25
• работа с LangChain / LangGraph или аналогами
• Engineering & MLOps
• Python как основной язык, уверенное владение
• Docker, CI/CD, базовый DevOps
• опыт работы с ML-оркестраторами (MLflow, W&B, Prefect, Dagster — хотя бы один)
• навыки разработки API (FastAPI / аналоги)
• работа с SQL-базами (ClickHouse, Postgres) и очередями (RabbitMQ и т.п.)
• Софты и майндсет
• техническое образование (ML, CS, математика, инженерия)
• умение переводить абстрактные исследовательские гипотезы в формализованные ML-задачи
• способность объяснять технические решения нетехнической аудитории (исследователям, бизнесу)
• интерес к поведенческой науке, психологии — или хотя бы готовность погружаться
• В отличие от LLM-генералистов команды, которые быстро вайбкодят прототипы, вы будете отвечать за то, чтобы модели работали надёжно, воспроизводимо и масштабируемо, а также дорабатывать прототипы до продакшен решений
• Вы рамках Лаборатории вы будете в команде “больших данных и гиперперсонализации”, всего около 25 человек, из которых DS-команда – порядка 10 человек, остальные – исследователи, психологи и социологи
• Лаборатория работает на стыке поведенческой науки, данных и AI
• AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием

Будет плюсом

• опыт работы с распределёнными вычислениями (Ray, DeepSpeed)
• знакомство с Prometheus, OpenTelemetry, observability-стеком
• опыт работы с графовыми базами данных (Neo4j и т.п.)
• контроль стоимости и latency AI-вызовов
• публикации, pet-проекты, вклад в open-source
• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов

Условия

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.