Разработчик AI
Описание
Мы развиваем AI-лабораторию и ищем Senior ML Engineer, который будет заниматься созданием и развитием прикладных AI- и ML-решений для реальных бизнес-задач. В команде можно работать с разными направлениями: классическим ML, NLP и LLM, агентными системами, Computer Vision, речевыми и мультимодальными технологиями. Нам нужен сильный ML-инженер, который умеет самостоятельно погружаться в задачу, выбирать оптимальный технический подход, проводить эксперименты и доводить решения до production. Важна не только экспертиза в конкретной области, но и широкий инженерный кругозор, интерес к новым технологиям и готовность работать с разными типами ML-задач. Чем предстоит заниматься Проектировать и разрабатывать ML-решения для прикладных бизнес-задач в различных направлениях: классический ML, NLP/LLM и агентные сценарии, Computer Vision, речевые и мультимодальные технологии Определять технический подход к задаче: выбирать модели и архитектуру решения, проводить эксперименты, сравнивать альтернативы и принимать решения с учетом качества, производительности, стоимости и ограничений эксплуатации Вести ML-часть решения end-to-end: от анализа задачи и разработки прототипа до подготовки модели к inference, интеграции и промышленного запуска совместно с Backend- и MLOps-разработчиками Разрабатывать подходы к оценке качества ML-систем: формировать метрики, evaluation-наборы и тестовые сценарии, проводить анализ ошибок и контролировать качество решений после запуска Оптимизировать модели и ML-пайплайны по качеству, latency, throughput и потреблению вычислительных ресурсов Участвовать в проектировании общей архитектуры решений и технической декомпозиции ML-задач Проводить code review и помогать в развитии менее опытных разработчиков команды Наш стек Python, PyTorch, scikit-learn, Hugging Face / Transformers В зависимости от задачи работаем с классическим ML, NLP/LLM, RAG, embeddings, reranking, tool calling и агентными сценариями, а также решениями в области Computer Vision, Speech и мультимодальных моделей Для экспериментов и управления жизненным циклом моделей используем MLflow / ClearML Для inference и serving — FastAPI, vLLM, Triton, SGLang и аналогичные решения Хранилища: PostgreSQL, ClickHouse, Redis, векторные БД Инфраструктура: Docker, Kubernetes, Prometheus, Grafana, GitLab CI/CD Что ожидаем От 4 лет коммерческого опыта разработки ML-решений на Python Глубокое понимание методов машинного обучения и нейронных сетей, принципов обучения и валидации моделей, выбора метрик и анализа ошибок Сильный практический опыт хотя бы в одном из направлений: NLP/LLM, Computer Vision, речевые технологии, классический ML или мультимодальные модели Опыт самостоятельного проектирования ML-решения: от постановки задачи и выбора подхода до оценки результатов и подготовки решения к production Практический опыт работы с PyTorch и современными ML-библиотеками Понимание полного жизненного цикла ML-систем: подготовка данных, эксперименты, обучение, evaluation, inference, deployment и мониторинг Опыт вывода ML-моделей или ML-сервисов в production и понимание требований к производительности, надежности и воспроизводимости решений Умение быстро разбираться в новых моделях, подходах и предметных областях и выбирать технологию исходя из задачи, а не из заранее заданного стека Опыт взаимодействия с Backend-, Data- и MLOps-разработчиками Опыт принятия технических решений, проведения code review и декомпозиции сложных ML-задач Будет плюсом Опыт разработки production-систем на базе LLM, RAG или агентных подходов, включая tool calling, multi-step workflows и evaluation Опыт fine-tuning / PEFT и адаптации современных нейросетевых моделей Практический опыт более чем в одном ML-направлении, например NLP + CV, Speech + NLP или LLM + классический ML Опыт работы с мультимодальными моделями Опыт оптимизации inference, включая GPU-нагрузки, batching, quantization и работу с высоконагруженным model serving Знакомство с vLLM, Triton, SGLang или аналогичными inference-фреймворками Опыт работы с MLflow / ClearML, Docker и Kubernetes Опыт менторинга ML-разработчиков и технического лидерства в рамках проектов