AI-инженер
Описание
Компания "Урал Логистика" - надежный партнер в области транспортно-экспедиционных услуг перевозки грузов железнодорожным транспортом. Приглашаем в нашу команду AI-инженера, для участия в создании собственной системы обработки документов и данных для грузовых железнодорожных перевозок и связанных услуг. Чем предстоит заниматься: — Проектировать и разрабатывать конвейер обработки документов: загрузку, нормализацию, сегментацию, определение структуры и подготовку контекста— Извлекать структурированные данные из договоров, приложений, дополнительных соглашений, актов и других связанных документов— Работать с длинным контекстом, таблицами, пересекающимися формулировками и изменениями условий во времени— Обеспечивать атрибуцию результата к документу, странице и исходному фрагменту— Строить гибридный поиск: полнотекстовый и векторный retrieval, фильтрацию, реранкинг и сбор контекста— Развивать графовое представление документов, сущностей и связей для поисковых и аналитических сценариев— Проектировать агентные и workflow-сценарии: управление состоянием, инструментальные вызовы, повторы, fallback-механизмы и обработку отказов— Создавать эталонные наборы, метрики по полям и регрессионные тесты для оценки извлечения, поиска и генерации — чтобы при смене модели, промпта или retrieval- стратегии было видно, что улучшилось, а что деградировало— Разрабатывать Python-сервисы, API, фоновые задачи и интеграции с внутренними источниками— Участвовать в выборе моделей, постановке экспериментов, fine-tuning и оптимизации локального inference Что для нас важно:— Рассматриваем кандидатов с уверенной промышленной разработкой на Python уровня middle+ и выше— Опыт с FastAPI или аналогичным фреймворком, асинхронным исполнением, очередями и фоновой обработкой— PostgreSQL и SQL на рабочем уровне— Практический опыт вывода LLM-решений в production— Понимание RAG, structured output, tool calling и многошаговых модельных сценариев— AI-система для железнодорожной логистики AI · ML · Full-stack— Умение измерять качество: строить эталонные наборы, выбирать метрики, классифицировать ошибки и проводить регрессионное тестирование— Опыт с Docker, Kubernetes и CI/CD— Готовность доводить вертикальную задачу от спецификации и эксперимента до эксплуатации Стек: — Python, FastAPI, Pydantic, PostgreSQL, Redis, Celery или аналог, LangChain, LangGraph, MCP, RAG, GraphRAG, Qdrant, pgvector, OpenAI-совместимый API, vLLM, Docker, Kubernetes Формат сотрудничества: Полная занятость и возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель Основной формат — офис или гибрид. Для самостоятельных специалистов возможна распределённая работа из России Итоговый грейд и масштаб ответственности определяются по результатам собеседования.