Специалист по машинному обучению
Описание
Обязанности: Реализовывать под руководством архитектора и ведущего разрабочтика harness-архитектуру в контуре компании. Поддерживать модели компьютерного зрения (YOLO). Реализовывать интеграцию AI-агентов с GitLab/GitHub, CI/CD, файловыми системами, базами данных, корпоративными ИС (ERP, MES, системами документооборота и т.д.). Проектировать MCP-серверы, tools/function calling и reusable-интерфейсы для корпоративных систем. Разрабатывать механизмы context engineering: поиск, ранжирование, сжатие, версионирование и динамическую подачу контекста. Создавать sandbox-среды и политики безопасного выполнения сгенерированного кода. Проектировать permissions, RBAC, approval gates, secrets management, аудит и ограничения действий агента. Развивать observability: tracing, логи, метрики, latency, token/cost accounting, success rate и причины неуспешных запусков. Проводить анализ отказов и улучшать архитектуру, prompts, tools, retrieval и стратегии выполнения. Участвовать в выборе моделей и model routing в зависимости от типа, стоимости и критичности задачи. Требования: Опыт разработки ПО от 1 года, преимущественно Python/backend/platform engineering. Опыт агентской разработки. Желательно опыт создания цикла агентной разработки в 1С:Предприятие, SAP ERP. Желательно опыт работы с корпоративными базами знаний, документацией и поисковыми системами. Уверенный Python, понимание ООП, типизации, тестирования и структуры production-кода. Знание SQL. ML‑алгоритмы и подходы: классические методы (регрессии, деревья, ансамбли) и глубокое обучение; понимание, когда что применять. Опыт обучения и инференса Yolo. Опыт REST API/JSON, Git, Linux/CLI, Docker и базовых CI/CD-пайплайнов. Практический опыт использования LLM API и понимание tool/function calling, structured output, RAG и embeddings. Оценка качества: метрики под разные задачи (accuracy, F1, ROC‑AUC, MAE, RMSE и др.), кросс‑валидация, проверка устойчивости. Инфраструктура и деплой: Docker, базовые знания Kubernetes, CI/CD, MLOps‑инструменты (MLflow, DVC), создание API (FastAPI/Flask). Понимание принципов agent loop, управления состоянием, retries, timeouts и обработки ошибок. Опыт написания unit-тестов. Базовое понимание безопасности. Способность разбираться в чужом коде, диагностировать проблемы и доводить задачи до продуктивного результата. Условия: Работа в крупной компании федерального уровня – в нашей команде работает больше 32 000 человек! Полное соблюдение ТК РФ, конкурентоспособная оплата труда, хороший соц. пакет! Развитая корпоративная культура – много образовательных, развлекательных, спортивных и волонтерских проектов! Возможен удаленный формат работы.