Инженер по машинному обучению

О команде и контексте Мы — отдел разработки продуктов: строим data-driven-решения для товаров повседневного спроса, рынка потребительской техники и опросов потребителей, поставляемые на едином платформенном решении. Мы ищем специалиста, который станет связующим звеном между этапом прототипирования и внедрением промышленного решения для наших клиентов. В 2027 году мы существенно расширяем применение ИИ в компании: развиваем внутренние агентные системы и MCP-инфраструктуру, внедряем сервисы безопасности LLM (маскирование данных), автоматизируем работу с документами и договорами. Значительную часть задач реализуют интеграторы и на готовых платформах — нам нужен технический эксперт, который участвует во всех инициативах: от архитектуры и пилотов до приёмки решений и перевода их на внутреннее обслуживание. Миссия Обеспечение полного цикла разработки продуктовых аналитических решений. Доработка экспериментальных прототипов, разработанных исследователями, до масштабируемого, производительного, отказоустойчивого решения. Интеграция финальных решений на аналитическую платформу и в существующие API-сервисы. Развитие AI-инициатив компании как технический эксперт: LLM-пайплайны, агентные системы, внутренняя MCP-инфраструктура. Техническое курирование решений, реализуемых подрядчиками и на готовых платформах: от пилота до приёмки и внутреннего обслуживания. Обязанности Разработка, стандартизация, внедрение и сопровождение аналитических решений (от этапа PoC до Prod). Адаптация сложных статистических и эконометрических моделей для их бесшовной интеграции с колоночными хранилищами данных (ClickHouse), встраивание решений в конвейер данных для платформы. Повышение эффективности существующих аналитических продуктов: оптимизация и масштабирование кода, применение высокопроизводительных вычислений и методов обработки данных, обеспечение отказоустойчивости решения. Проектирование и построение масштабируемых аналитических конвейеров с использованием контейнеризации и распределённых систем. Настройка CI/CD-процессов для ML-компонентов. Участие в разработке и сопровождении LLM-пайплайнов и агентных систем (RAG, MCP-интеграции, скиллы) для автоматизации обработки запросов, подготовки данных и документов. Техническое сопровождение решений, реализуемых подрядчиками и на готовых платформах: технические требования, предоставление и запрос данных и API для пилотов, приёмка результатов, подготовка к внутреннему обслуживанию. Участие во внедрении сервисов безопасности LLM-инфраструктуры (маскирование данных, контроль запросов) и подключение к ним внутренних систем. Обеспечение встроенного качества кода: написание юнит-тестов, работа с шаблонами проектирования, документирование архитектурных изменений. Взаимодействие с владельцами данных, специалистами и представителями бизнеса. Квалификационные требования Образование: высшее образование в области статистики, математики, экономики, точных наук. Опыт: не менее 3 лет коммерческого опыта на позиции инженера по машинному обучению или разработчика аналитических решений; текущая или последняя позиция — связана с машинным обучением или анализом данных. ML: уверенное знание алгоритмов оптимизации, методов классического машинного обучения и статистики; понимание утечек данных, схем валидации и выбора метрик; MLOps: CI/CD для ML-компонентов, версионирование моделей и данных, мониторинг качества моделей в проде. Языки программирования: уверенное владение Python для ML и статистического моделирования (pandas, scikit-learn, statsmodels, fastapi, pydantic, pytest, sqlalchemy и др.), опыт написания робастного масштабируемого кода, работы с библиотеками валидации данных и запросов, знание шаблонов проектирования. Базовое знание R (tidyverse) — как преимущество. SQL: опыт работы с ClickHouse, базовое знание PostgreSQL, работа через ORM. Greenplum — как преимущество. Контейнеризация: Docker/podman, docker-compose. Docker Swarm / Kubernetes — как преимущество. API: уверенные навыки работы и написания интерфейсов к REST-сервисам (опыт с gRPC или GraphQL также приветствуется). Производительность: опыт оптимизации производительности и масштабируемости кода (распараллеливание, оптимизация вычислений, профилирование). LLM и агентные системы: базовое понимание LLM-приложений (RAG, агентные системы, интеграция LLM с корпоративными данными и API) и вопросов их безопасности (маскирование данных, prompt-инъекции); глубокий опыт работы с LLM — значимое преимущество. Статистика (будет преимуществом): навыки работы с хотя бы одной из областей — опросные данные (взвешивание, коррекция смещений, байесовская статистика), эконометрическое моделирование (оценка воздействия программ, прогнозирование, панельные данные), планирование эксперимента (A/B-тестирование, дизайн экспериментов). Будет преимуществом Опыт работы с MCP (Model Context Protocol) и агентными фреймворками/средами. Опыт построения LLM-приложений в проде: RAG, агентные системы, интеграция LLM с корпоративными данными и API; знакомство с принципами GuardRails. Векторные БД: Qdrant, ChromaDB. Опыт технического взаимодействия с подрядчиками и вендорами: постановка требований, приёмка, сопровождение внешних решений. Опыт внедрения сервисов маскирования и безопасности LLM. Опыт автоматизации документных процессов (OCR, извлечение данных, генерация документов по шаблонам). Личные и гибкие навыки (Soft Skills) Развитое математическое мышление, сильные аналитические способности и навыки решения нестандартных задач. Высокое внимание к деталям, ориентация на профессиональное и безупречное выполнение задач. Отличные коммуникативные навыки: уважение к коллегам, готовность к сотрудничеству, дружелюбие и эмпатия. Способность служить примером в формировании командного духа и развитии коллаборации. Спокойное, уважительное отношение к чужому коду: ревью и доработка прототипов исследователей с минимальным диффом, вопросы автору — вместо молчаливой переделки. Ясная письменная и устная коммуникация: умение формулировать вопросы, документировать решения, переводить статистику на язык бизнеса. Самостоятельность в роли внутреннего эксперта: готовность брать техническую ответственность за решения, реализуемые внешними командами. Организованность и гибкость, уверенность в себе, решительность и нацеленность на результат. Опыт работы в гибких методологиях разработки (Agile, Scrum). Интерес к LLM- и агентной экосистеме: желание расти вместе с AI-инициативами компании 2027 года. Английский язык на уровне, достаточном для чтения профессиональной литературы, технической документации и работы с внешними запросами. Условия: Комфортные условия: гибридный режим работы (3 дня в офисе, 2 дня удаленно)Современный офис рядом с м. Белорусская/ м. Менделеевская Карьерный рост: возможность развиваться в рамках компании, участвовать в стратегических проектах и влиять на решения бизнеса Социальные бонусы: медицинская страховка (включая стоматологию), страхование при поездках за рубеж, страхование жизни, социальные проекты Корпоративная культура: дружный коллектив, поддержка наставников, корпоративные мероприятияПрисоединяйся к команде экспертов!