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

Обязанности

* 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

Требования

* 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.

Условия

* 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.