Вступить в клуб →
← К вакансиям
Сбер. Data Science74/100

Junior DS-developer в СберИнвестор

Опубликовано: 27 октября 2026
junioronsiteML / Data SciencefulltimeМоскваrupythonllmlangchainlanggraphragprompt engineeringpytorchpandasnumpygitgradient boostingqdrant
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
Миргалеев Марк РобертовичМоскваhybridfulltimejunior85

Junior ML-инженер

Разработка и оптимизация AI-агентов, нейронных сетей и LLM-решений, включая RAG-системы и multi-agent workflow. Работа с локальными LLM, fine-tuning, векторными базами данных и оптимизацией inference на GPU. Требуется уверенный Python, PyTorch, Transformers и понимание NLP/LLM.

pythonpytorchtransformersllmraglangchain+6
27 октября 2026от 250 000 RUB
Джетлинremotefulltime74

Machine Learning Engineer (Generative AI / Computer Vision)

Разработка ML-моделей генерации изображений и визуализаций интерьерных решений на основе ассортимента товаров в рамках ИИ-инкубатора Лемана ПРО (PoC). Задачи: end-to-end пайплайны от подготовки данных до обучения и оценки, evals для генеративных моделей и LLM, оптимизация инференса на GPU и production-ready код. Требуется глубокое знание ML, статистики, Python/SQL и опыт в CV/GenAI, LLM или рекомендательных системах.

pythonpytorchnumpypandassqlnlp+6
16 октября 2026
Сбер. Data ScienceМоскваhybridfulltimemiddle74

DS/ML-инженер / исследователь (LLM-агенты, GigaChat)

Разработка и исследование LLM-агентов на базе GigaChat в команде СберKids: проектирование логики рассуждений агентов, tool calling, RAG-системы, дообучение моделей (LoRA/QLoRA), оценка качества LLM и агентов, создание датасетов и разметка. Работа на стыке исследований и продакшена — от гипотезы до надёжного решения.

pythonpytorchhugging facellmlangchainllamaindex+6
14 октября 2026
Bell IntegratorМоскваremotefulltimemiddle72

ML Engineer / LLM Engineer

Разработка агентной логики и LLM-приложений внутри RPA/AI-платформы GigaARPA (направление AI PDLC). Задачи — AI-агенты и мультиагентные сценарии, tool calling, RAG, управление контекстом и памятью агентов, оценка качества LLM и интеграция AI-функциональности с backend/frontend. Формат работы — удалённо по РФ, оформление по ТК РФ.

pythonllmai agentsragembeddingsprompt engineering+6
12 октября 2026