Обязанности:
О нас Мы разрабатываем собственную cloud-native платформу потоковой обработки данных и на её основе создаём решения в области текстового и сетевого анализа. Работаем с большими объёмами данных — порядка 10 млн событий и 10 ТБ в сутки — и разрабатываем собственные state of the art алгоритмы. Ищем ML/NLP-инженера в команду, которая занимается AI-сервисами на собственной инфраструктуре. У нас нет жёсткого разделения между исследованием, разработкой моделей и их внедрением: можно исследовать новый подход, обучить модель, встроить её в pipeline и довести до production. Чем предстоит заниматься В зависимости от проекта задачи могут быть разными: разрабатывать и дообучать Transformer-модели для задач NLP — классификация, суммаризация, извлечение сущностей; работать с LLM и строить RAG и мультиагентные системы: retrieval, embeddings, формирование ответов, оценка качества и борьба с галлюцинациями; работать с документами и OCR, строить пайплайны подготовки и обработки данных; экспериментировать с новыми моделями и подходами, проводить бенчмарки и анализировать ошибки; интегрировать модели в существующие сервисы и асинхронные пайплайны, доводить решения до production; участвовать в проектировании AI-архитектуры и развитии внутренних AI-сервисов. Часть задач связана с оптимизацией моделей и production-инфраструктурой, в том числе внедрение собственного MLOps-движка. Что для нас важно Высшее техническое образование; уверенно владеть Python и SQL; иметь практический опыт работы с ML/NLP и Transformer-моделями; понимать устройство LLM и принципы работы и архитектуры RAG; иметь опыт работы с PyTorch и Hugging Face Transformers; уметь самостоятельно строить пайплайны подготовки данных и проводить эксперименты; понимать, как оценивать качество моделей и анализировать ошибки; иметь опыт интеграции ML/LLM-решений в production. Для LLM-задач используем LangChain, LangGraph, LlamaIndex, vLLM, llama.cpp. Для потоковой обработки и production-интеграции — Kafka,Pulsar, Python, Kubernetes, GitLab. Будет плюсом Опыт разработки LLM-агентов и с использованием LLM-агентов; Fine-tuning и оптимизация моделей: квантование, дистилляция, ускорение инференса Опыт работы с BI/DWH/корпоративными данными Опыт с Docker/Kubernetes, GitLab CI Английский на уровне чтения технической документации, в числе умение читать научные статьи на английском (ICML, NeurIPS, KDD, IJCAI, ICLR) и быстро прототипировать новые подходы Готовность разбираться в новых как для себя, так и для компании технологиях, внедрять новые практики и подходы; Способность самостоятельно отвечать за задачу от уточнения требований и до выкатки на продакшен. Наш стек: Задачи ведём в таск-трекере собственной разработки, код храним в GitLab, сервисы работают в Kubernetes, деплой — через ArgoCD. В работе используем PostgreSQL, Elasticsearch, ClickHouse, Kafka/Pulsar, RabbitMQ, а для мониторинга — LGTM-стек (Loki, Grafana, Tempo, Mimir). Условия Официальное трудоустройство в аккредитованную ИТ-компанию в соответствии с ТК РФ График 5/2 с гибким началом рабочего дня Возможность гибридного формата работы по результатам испытательного срока Офис в шаговой доступности от м. Марьина рощаПохожие вакансии