Summary
Internship on Sberbank's risk modeling team building LLM-based AI agents and NLP models for risk and banking tasks. Day-to-day work includes adapting and training Sber's LLMs (LoRA, SFT, GRPO), building RAG systems, and applying RL to improve reasoning, using Python, PyTorch, and langchain/langgraph; office-based in Moscow with a flexible 30-40 hr/week student schedule.
Наша команда занимается созданием следующего поколения интеллектуальных систем для анализа рисков. Среди наших проектов:
* разработка NLP моделей на основе LLM, создание sota AI-агентов и мультиагентных систем для операционных и ESG-рисков
* создание transformer-based моделей для решения банковских задач на финансовых данных; моделирование финансовых рынков с помощью машинного обучения
* разработка классических ML-моделей для процесса кредитования, которые являются ядром бизнеса Сбера и ключевым драйвером прибыли.
и сейчас наша команда в поиске талантливых стажеров трех направлений: Data Scientist, LLM-researcher, и Quant-Risks в Управление риск-моделирования.\- разработка PoC и MVP AI-агентов на основе LLM с использованием фреймворков для работы с LLM, таких как langchain/langgraph
\- адаптация и обучение LLM Сбера с использованием внутренних и внешних данных (Prompt Tuning, LoRA, SFT, GRPO)
\- применение RL подхода для улучшения reasoning способностей модели.* статус студента бакалавриата/магистратуры на момент трудоустройства
* знание статистики и ML/DL алгоритмов
* знание Python и ML-стэка (PyTorch, Scikit-learn, Pandas)
* понимание как устроен современный NLP (токенизация, обработка данных, эмбеддинги, pre-train модели и тд)
* опыт проектирования и обучения нейросетевых моделей (от CNN/RNN до трансформеров)
* опыт построения RAG (классический RAG, GraphRAG, Agentic RAG)
* знание классических алгоритмов (two pointers, бинарный поиск) и структур данных (куча, стэк, бинарное дерево)
* уверенный английский язык для чтения и анализа научных статей и документации* формат работы: офис в г. Москва, рядом с м. Кутузовский пр.
* гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю
* возможность заниматься спортом в одном из спортзалов банка
* бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
* вознаграждение за рекомендацию друзей в команду Сбера.
What they ask for
Required
- Статус студента бакалавриата/магистратуры на момент трудоустройства
- Знание статистики и ML/DL алгоритмов
- Знание Python и ML-стэка (PyTorch, Scikit-learn, Pandas)
- Понимание как устроен современный NLP (токенизация, обработка данных, эмбеддинги, pre-train модели)
- Опыт проектирования и обучения нейросетевых моделей (от CNN/RNN до трансформеров)
- Опыт построения RAG (классический RAG, GraphRAG, Agentic RAG)
- Знание классических алгоритмов (two pointers, бинарный поиск) и структур данных (куча, стэк, бинарное дерево)
- Уверенный английский язык для чтения и анализа научных статей и документации