Команда развития внутренних технологических продуктов ищет Backend-разработчика с сильным профилем в обработке данных, исследовательской аналитике и построении AI-агентов. Будем исследовать данные о продуктах и продуктовых командах, формировать и проверять аналитические гипотезы, а также разрабатывать backend сервисы и AI-агентов, которые дают продуктовым командам и руководству верифицированную аналитику для принятия решений по развитию и балансировке портфеля инициатив.
Обязанности
- проектировать и разрабатывать backend-сервисы и RESTful API (Python) для доступа продуктовых команд и руководителей к аналитике и агентным ответам с цитированием источников
- строить agentic-пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах — оркестрация LLM-агентов, интеграция через MCP servers, RAG поверх knowledge graph
- собирать и обрабатывать данные из внутренних систем (jira, confluence, продуктовые реестры, аналитические платформы), строить ETL/ELT-пайплайны на Python, в том числе потоковые данные через Kafka
- готовить данные для обучения/дообучения моделей и базово настраивать/оценивать качество ML/LLM-компонентов совместно с профильными специалистами
- разворачивать и эксплуатировать сервисы в закрытом контуре (production-инфраструктура внутри периметра безопасности, без выхода во внешний интернет): Docker, Kubernetes, Jenkins(CI/CD)
- взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы
- готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов.
Требования
- от 3 лет опыта в backend-разработке с выводом решений в production; опыт построения агентных систем — обязателен
- умение работать с неполными и слабоструктурированными данными, оценивать их качество и ограничения и выбирать корректный способ анализа
- Pandas, NumPy, Kafka — обработка табличных и потоковых данных, ETL/ELT на больших объемах
- SQL, опыт работы с реляционными и NoSQL хранилищами
- Python, FastAPI, промпт-инжиниринг, LangChain, LangGraph, MCP servers
- опыт с n8n или аналогами; понимание RAG-архитектур, embeddings, векторных баз данных(Qdrant)
- Docker, Kubernetes, CI/CD — уверенный пользовательский уровень.
Будет плюсом:
- базовое понимание жизненного цикла ML-модели (данные → обучение → оценка → внедрение), опыт с MLflow, Apache Airflow.
Условия
- комфортный современный офис рядом с м. Кутузовская
- гибридный формат работы
- ежегодный пересмотр зарплаты, квартальная и годовая премия
- корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- программа адаптации и помощь руководителя на старте
- 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.
