Lead ML Engineer (Recsys)

ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.

Ждем именно тебя!

Мы — команда экспертов, объединённых общей страстью к искусственному интеллекту и рекомендательным системам. Наша главная задача — создание современной масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей и предлагать персонализированные рекомендации на каждом этапе их взаимодействия с экосистемой Сбер.

Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения. Мы следим за развитием технологий, экспериментируем с новыми ML-подходами, внедряем их в платформу и доводим до конкретного применения в бизнесе.

Мы ищем Lead ML Engineer, который будет отвечать за технологическое развитие направления рекомендательных систем и формирование единой инженерной и операционной среды для DS- и MLE-команд. В зоне ответственности — скорость и воспроизводимость проверки DS-гипотез, качество разработки и вывода моделей в production, а также надёжная эксплуатация ML-решений с предсказуемыми качеством и стоимостью.

Обязанности

• формировать технологическое видение и roadmap развития ML Engineering и MLOps в направлении рекомендательных систем, определяя ключевые инженерные приоритеты и точки роста
• развивать единый жизненный цикл ML-решений — от формулирования и воспроизводимой проверки DS-гипотез до запуска моделей в production, мониторинга и дальнейшего сопровождения
• создавать инженерные стандарты и практики, которые помогают командам выпускать качественные и надёжные модели: требования к коду и данным, тестированию, версионированию, документированию, релизам
• управлять портфелем технологических инициатив, находя баланс между развитием новых возможностей, повышением надёжности и устранением архитектурных ограничений
• повышать производительность DS/MLE команд за счёт автоматизации, стандартизации, переиспользуемых компонентов и упрощения пути от эксперимента до production
• развивать применение GenAI в процессе создания ML-решений: находить наиболее перспективные сценарии, запускать пилоты и оценивать их влияние на скорость и качество разработки
• повышать масштабируемость, надёжность и экономическую эффективность ML-инфраструктуры
• развивать ML-инженеров и технических лидеров направления.

Требования

• опыт технического лидерства в крупном ML-направлении не менее двух лет: умение формировать технологическое видение и roadmap, а также доводить системные изменения до результата
• глубокое понимание полного жизненного цикла ML-решений — от эксперимента и обучения модели до production, мониторинга, масштабирования и дальнейшего сопровождения
• опыт проектирования и развития высоконагруженных ML-систем, включая batch-, streaming- и real-time-сценарии
• опыт взаимодействия с продуктовыми, платформенными и инфраструктурными командами, включая согласование приоритетов и защиту потребностей своего направления
• умение принимать решения в условиях конфликтующих приоритетов, объяснять компромиссы и доводить выбранные инициативы до результата
• опыт people management в DS/MLE командах: найм и адаптация сотрудников, постановка целей, регулярная обратная связь, performance review, развитие и удержание специалистов, а также формирование среды для обмена знаниями и распространения сильных инженерных практик
• опыт внедрения GenAI-инструментов в процессы разработки и оценки их влияния на скорость и качество работы команд.

Будет большим плюсом:

• опыт работы с рекомендательными системами, поиском, ранжированием, персонализацией или рекламными технологиями
• практический опыт работы в роли Data Scientist: формулирование и проверка ML-гипотез, оценка качества моделей и участие в A/B-тестах.
• опыт эксплуатации real-time ML-систем на масштабе миллионов пользователей и при строгих требованиях к latency и availability.

Стек технологий:

Python, PySpark, PyTorch, RePlay, GigaChat, Airflow, MLflow, Kubernetes, Redis, Kafka, S3, FastAPI и другие инструменты для разработки, обучения, внедрения и мониторинга ML-моделей.

Условия

• комфортный современный офис рядом с м. Кутузовская
• 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