ML-engineer (NLP, LLM) (мидл уровень)

Cloud X — ИТ-компания, предоставляющая услуги облачных вычислений на базе собственной инфраструктуры: облачной платформы CX Platform и гипермасштабируемых центров обработки данных CX Data Centers с нулевым углеродным следом. Компания предлагает более 40 сервисов, предоставляемых по моделям IaaS, PaaS и SaaS, среди которых: базовая инфраструктура, ИИ, машинное обучение, интеграционные сервисы, Интернет вещей, большие данные, сетевые функции и кибербезопасность. Облако Cloud X внесено в реестр отечественного программного обеспечения Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации. Инвестором компании выступает En+ Group. Приглашаем middle Deep Learning NLP/LLM инженера. Проект — AI-платформа уровня Vertex AI/Azure AI: сервисы инференса, пайплайны, RAG-системы и прикладные ассистенты. Стек: Python3.10+, Docker, Linux, Pytorch, Transformers, LangChain, FastAPI Вам предстоит участвовать в исследованиях и разработке решений на базе современных языковых моделей: от подготовки данных и дообучения моделей, до внедрения в продукт вместе с backend-командой. Обязанности: анализ научных материалов и воспроизведение ключевых результатов; проверка гипотез подготовка и обработка данных дообучение и настройка LLM/transformer-моделей под прикладные задачи (SFT, LoRA/QLoRA, prompt engineering), построение и валидация ключевых элементов RAG-систем Построение и поддержка обучающих/инференсных пайплайнов Профилирование и оптимизация инференса моделей: пакетная обработка, кеширование Интеграция моделей и пайплайнов в backend-сервисы (API, очереди, хранилища), контейнеризация (Docker) и базовая эксплуатация (CI/CD) Документирование решений и результатов экспериментов; поддержка воспроизводимости Обязательные требования: Высшее образование в области информатики/математики/программной инженерии или смежных дисциплин (или эквивалентный практический опыт) Коммерческий опыт в ML/NLP от 2 лет (или сопоставимый опыт через исследовательские/продуктовые проекты) Уверенный Python; практический опыт PyTorch (желательно) и/или TensorFlow Практический опыт работы с transformer-моделями и библиотеками экосистемы (Hugging Face Transformers, tokenizers и т.п.) Навыки подготовки данных и оценки качества моделей: метрики, валидация, анализ ошибок Понимание современных подходов к LLM и прикладным системам: RAG, embeddings, reranking, инструменты дообучения (adapters/LoRA/QloRA) Опыт интеграции ML-моделей в приложения: REST/gRPC API (или аналог), работа с логированием/метриками Базовое понимание инфраструктуры: Docker, основы Kubernetes, CI/CD; понимание взаимодействия с Kafka/Redis/PostgreSQL будет плюсом Умение работать в команде, принимать обратную связь, самостоятельно доводить задачи до результата Преимуществом будет: Опыт построения RAG/agentic-пайплайнов (LangChain, LlamaIndex или аналоги) Опыт и/или понимание подходов RAG на графах знаний: извлечение сущностей и связей, построение/обновление графа, multi-hop поиск и формирование контекста на основе подграфов Понимание алгоритмов обучения LLM методами обучения с подкреплением, включая современные методы оптимизации (PPO, GRPO) Подготовка синтетических данных и/или постановка задач на разметку Базовый опыт распределенного обучения (DDP/DeepSpeed/FSDP) или оптимизации под GPU (AMP, gradient checkpointing) Опыт в смежных задачах: CV, ASR, мультимодальные модели Условия: Реализация проектов федерального масштаба (Облако и сеть облачных дата-центров, которым нет аналогов в России) в составе крупного международного промышленного холдинга En+. Оформление в штат, IT-аккредитация. Офис в 10-15 минутах пешком от м.Ул 1905 г, бизнес-квартал "Трехгорная мануфактура" Гибридный график работы (3 дня офис/2 дома), гибкое начало дня (с 8.00-10.30) "Белая" рыночная зп (зависит от опыта) и годовой бонус. Широкий соц. пакет: ДМС после испытательного срока (с возможностью включения членов семьи), компенсация питания, обучение на профильных курсах за счет компании, корпоративный английский язык, корпоративный университет холдинга, скидки BestBenefits. Материальная помощь по случаю важных событий в жизни. Performance review, индивидуальные планы развития. У нас нет жесткого дресс-кода. Отсутствие бюрократии, быстрое принятие решений.