Руководитель направления по внедрению ПО

Мы ищем технического эксперта, отвечающего за адаптацию, оптимизацию и внедрение моделей искусственного интеллекта в вычислительные среды заказчиков.

• анализ существующего программного стека заказчика: фреймворки, версии, зависимости, ограничения среды выполнения
• анализ спецификаций: типы операций (матричные умножения, свёртки, внимание), ширина шины памяти, кэш-иерархия, поддержка специализированных инструкций
• выявление «узких мест» архитектуры для конкретного типа моделей
• бенчмаркинг эталонных моделей на целевой платформе для установления базовых метрик производительности (задержка (latency), пропускная способность (throughput), энергоэффективность)
• совместная работа с заказчиком для определения целевых метрик.
• адаптация архитектуры модели (совместно с Data Science team): Замена операций, неэффективных на целевой архитектуре, Рефакторинг графа вычислений для минимизации перемещений данных между уровнями памяти, адаптация под ограничения: максимальный размер батча, разрешённые типы данных.
• проверка корректности измененных моделей: Сравнительный анализ точности до/после оптимизации (метрики: F1, mAP в зависимости от задачи), тестирование на краевых случаях и аномальных входных данных, Обеспечение воспроизводимости результатов в рамках допустимого отклонения на стороне заказчика.
• встраивание в CI/CD и MLOps (совместно с инженерами заказчика).
• проведение технических тренингов по работе с оптимизированными моделями. подготовка презентаций и материалов для демонстрации результатов работы представителям заказчика
• руководство командой инженеров

• экспертный уровень PyTorch, практический опыт с ONNX, TensorRT, TVM, MLIR или OpenVINO.
• глубокое понимание трансформеров (FlashAttention), CNN (ResNet, EfficientNet) и диффузионных моделей для CV/NLP/мультимодальных задач.
• подтвержденный опыт оптимизации инференса под альтернативные GPGPU (AMD Instinct, Intel Ponte Vecchio, Ascend 910B/C) или специализированные ASIC (Groq LPU, Cerebras WSE, SambaNova).
• понимание работы памяти (кэш-линии, локальность данных, выравнивание), управления потоками и взаимодействия с драйверами ОС.
• владение системными профайлерами (perf, VTune, NVIDIA Nsight) для поиска узких мест на уровне железа.
• анализ дампов памяти и трассировок выполнения кода.
• уверенная работа с Docker и Kubernetes для оркестрации ИИ-сервисов в production-среде.
• знание принципов микросервисной архитектуры и построения асинхронных конвейеров обработки данных.
• настройка сбора метрик производительности через Prometheus/Grafana/Victoria Metrics и управление логированием.
• базовое понимание защиты от атак через зашумление данных (adversarial attacks) и разграничение доступа к моделям.

• комфортный современный офис - м. Кутузовская
• ежегодный пересмотр зарплаты, годовой бонус
• 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
• корпоративная пенсионная программа.