Сбер

Middle ML Engineer

ОткрытаMiddleМоскваОпубликовано 28 марта 2026 г.

Откликнуться с Lumio

Lumio адаптирует резюме и сопроводительное под эту вакансию и отправит отклик за тебя — вручную заполнять форму не нужно.

Откликнуться Оригинал на сайте Сбер

О вакансии

Ключевые факты

Компания: Сбер
Город: Москва
Формат: Не указан
Грейд: Middle
Роли: ML Engineer
Найдена: 29 марта 2026 г., 01:21 МСК
Проверена: 4 августа 2026 г., 15:11 МСК
Статус: Открыта

Зарплата

Зарплатная оценка

~₽510 000 /мес

Рыночная оценка Lumio для этой роли, грейда и региона — точность ~58%. Это не официальная вилка работодателя, а ориентир на основе похожих вакансий. Как считается

Разбор

Требования к кандидату

Стек и навыки, извлечённые из текста этой вакансии, плюс типичные требования роли — обобщение Lumio.

Стек и ключевые навыки

Упоминается в этой вакансии

PythonPostgreSQLElasticsearchDockerAnsibleMachine LearningPyTorchNLP

Часто нужно для роли

PyTorch/TensorFlowMLOpsSQLModel serving

Что обычно требуют

Сильный SQL и работа с большими данными
Python (pandas/numpy) или профильный стек под роль
Понимание статистики и метрик качества
Опыт построения пайплайнов или моделей от данных до продакшена

Описание

Описание вакансии

В команду сервиса “Новостной мониторинг” требуются Middle ML Engineer.

Мы занимаемся разработкой NLP моделей для анализа новостного потока, ключевые задачи: NER, entity linking, классификация. У нас открывается новое направление по OCR. Необходимо будет автоматизировать входящий поток документов в разных форматах.

Обязанности

Есть end-to-end real-time пайплайн обработки новостей - от парсинга до поставки пользователям. Внутри происходит много чего интересного, но не всегда оптимально. Ожидается, что грамотный MLE поможет нам с этим.
Есть задачи по организации хранения данных (сейчас сделано медленное хранилище в PostgreSQL, быстрое - ElasticSearch), по микросервисной архитектуре (есть много докер-контейнеров, можно попробовать все в кубер затащить) и по деплою моделей (хочется организовать автоматическую выкатку в torchserve через gitlab-ci + ansible)

Требования

Уверенный Python, SOLID, умение разбираться в чужом коде
БД: PostgreSQL, знание ElasticSearch будет плюсом
ML/DL - sklearn/Pytorch, знание transformers будет плюсом
Gitlab CI, Docker, ansible
Желательно иметь опыт заворачивания торчевых моделей в onnx/tensorrt

Что предлагают

ML Space для обучения моделей
Крупнейшее DS&AI community - более 600 DS банка, включая:
Регулярный обмен знаниями, опытом и лучшими практиками
Возможность переиспользования кода и библиотек из централизованного репозитория
Интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний
Дайджест о самых последних разработках в области DS&AI
Регулярные внутренние митапы

Оригинал на карьерном сайте Сбер

Ещё