backend developer внутренних технологических продуктов

Команда развития внутренних технологических продуктов исследует данные о продуктах и продуктовых командах, формирует и проверяет аналитические гипотезы. Она разрабатывает серверные сервисы и ИИ-агентов, которые предоставляют продуктовым командам и руководству проверенную аналитику для принятия решений о развитии и балансировке портфеля инициатив.

• Проектировать и разрабатывать серверные сервисы и RESTful API на Python для доступа продуктовых команд и руководителей к аналитике и ответам агентов с цитированием источников;
• Строить агентные конвейеры на LangChain, LangGraph, n8n и аналогичных инструментах: оркестрировать LLM-агентов, интегрировать их через MCP servers и создавать RAG поверх графа знаний;
• Собирать и обрабатывать данные из внутренних систем, включая Jira, Confluence, продуктовые реестры и аналитические платформы;
• Строить конвейеры ETL/ELT на Python, в том числе для потоковых данных через Kafka;
• Готовить данные для обучения и дообучения моделей, настраивать и оценивать качество компонентов машинного обучения и LLM совместно с профильными специалистами;
• Развёртывать и эксплуатировать сервисы в закрытом контуре без выхода во внешний интернет;
• 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.

• От 3 лет опыта в серверной разработке с выводом решений в промышленную эксплуатацию;
• Опыт построения агентных систем;
• Умение работать с неполными и слабоструктурированными данными, оценивать их качество и ограничения и выбирать подходящий способ анализа;
• Опыт обработки табличных и потоковых данных с Pandas, NumPy и Kafka, построения ETL/ELT на больших объёмах;
• Знание SQL и опыт работы с реляционными и NoSQL-хранилищами;
• Знание Python, FastAPI, промпт-инжиниринга, LangChain, LangGraph и MCP servers;
• Опыт работы с n8n или аналогами, понимание RAG-архитектур, embeddings и векторных баз данных, в том числе Qdrant;
• Уверенное владение Docker, Kubernetes и CI/CD;
• Будет плюсом базовое понимание жизненного цикла ML-модели, опыт работы с MLflow и Apache Airflow.

• 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;
• Расширенная ДМС, льготное страхование для семьи и корпоративная пенсионная программа;
• Льготный 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.