ML-инженер
Описание
Чем предстоит заниматься: Обеспечивать разработку, внедрение и развитие корпоративных решений на базе больших языковых моделей для автоматизации бизнес-процессов, повышения производительности сотрудников, улучшения качества принятия решений и создания измеримого бизнес-эффекта для компаний Холдинга. Участвовать в полном цикле разработки AI/ML-решения: от гипотез и прототипов до запуска в production и последующего мониторинга; Разрабатывать, тестировать и внедрять end-to-end решения на базе LLM: диалоговых агентов, RAG и LLM workflows; Оптимизировать производительность, качество и стоимость использования LLM в продуктовых сценариях; Вести техническую документацию, участвовать в оценке инициатив и консультировать бизнес юниты по вопросам применения LLM. Мы предлагаем: Возможность присоединиться к профессиональной, высоко мотивированной и результативной команде из 200+ сотрудников R1, перспективы карьерного роста; Официальное трудоустройство в аккредитованный IT-актив компании ООО "Эр-1", оплачиваемые отпуск, командировки, больничные; Работу в офисе в одном из городов присутствия R1 на ваш выбор - Москва, Санкт-Петербург, Пермь; Рыночную заработную плату по результатам собеседования; ДМС со стоматологией после испытательного срока, 100% компенсацию больничного; Комфортные офисные условия; Корпоративные программы от наших партнеров; Бонусное подключение к телеком-услугам Дом.ru по тарифу «Сотрудник»; Яркую корпоративная жизнь и дружелюбную атмосферу в коллективе профессионалов! Мы ждём от кандидатов: Опыт работы на позиции Data Scientist, ML инженер, LLM инженер (уровень Senior); Опыт работы с машинным обучением, фреймворками и инструментами, связанными с LLM; Опыт разработки высоконагруженных AI/ML сервисов (с фокусом на LLM); Знание популярных библиотек и фреймворков для машинного обучения (например, TensorFlow, PyTorch, Scikit-learn, PEFT, vLLM); Понимание архитектур LLM и опыт файнтюнинга под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO); Знание LLM-фреймворков (langchain, langgraph или аналоги) и подходов к разработке AI-агентов (function calling, structured output, context engineering); Знание методов оценки качества LLM-решений; Знание языков программирования: Python, SQL, PySpark; Глубокое понимание математических основ, включая статистику и линейную алгебру.