NLP Engineer (LLM / Generative AI)
Описание
NLP Engineer (LLM / Generative AI) Обращаем внимание, что вакансия предполагает full-time office. Ключевые задачи: – Формировать дорожную карту LLM/GenAI-инициатив для трейдинга и смежных бизнес-функций. – Разрабатывать end-to-end LLM-приложения: от подготовки данных и базы знаний, прототипирования и оценки качества до production-деплоя, мониторинга и поддержки. – Проектировать и внедрять RAG-системы, LLM-решения и AI-агентов с tool/function calling, structured outputs и интеграциями с внутренними системами и API. – Проектировать retrieval-слой: embeddings, semantic/vector search, hybrid search, reranking, chunking и работу с корпоративными базами знаний. – Строить eval-пайплайны для LLM: автоматические метрики, LLM-as-a-Judge, регрессионные тесты, оценку галлюцинаций, качества retrieval и устойчивости промптов. – Выбирать и сравнивать LLM под конкретные сценарии, проводить benchmark-тестирование open-source и API-моделей по качеству, latency, throughput и стоимости. – Оптимизировать inference LLM: batching, caching, model routing, quantization, работу с длинным контекстом и использование GPU-ресурсов. – Развивать LLMOps-практики: версионирование промптов, конфигураций и eval-наборов, observability/tracing, мониторинг качества, CI/CD и воспроизводимость экспериментов. – Проводить технические ревью LLM-решений, задавать инженерные стандарты и развивать экспертизу команды. – Коммуницировать качество, ограничения и риски LLM-систем техническим и бизнес-стейкхолдерам. Требования: – 3+ лет опыта в Data Science, включая практический опыт разработки и вывода LLM/GenAI-систем в production. – Продвинутый Python и уверенная работа с PyTorch, Hugging Face Transformers и экосистемой инструментов для LLM. – Глубокое понимание архитектуры и принципов работы LLM: transformers, attention, tokenization, embeddings, context window, prompting и reasoning. – Практический опыт построения RAG-систем: vector search, retrieval, reranking, chunking, metadata filtering и оценка качества retrieval. – Опыт разработки agentic workflows и интеграций через tool/function calling; знание LangGraph, LangChain, LlamaIndex, OpenAI Agents SDK или аналогичных инструментов. – Опыт построения систем оценки LLM: eval datasets, LLM-as-a-Judge, offline/online evaluation, regression testing и контроль качества ответов. – Опыт inference и serving LLM через vLLM, Hugging Face, Triton или аналогичные решения; понимание batching, KV cache, quantization и GPU-инференса. – Опыт эксплуатации production LLM-сервисов: Docker, Kubernetes, CI/CD, Git, логирование, tracing, мониторинг и отказоустойчивость. – Опыт технического лидерства, наставничества и взаимодействия с кросс-функциональными командами. – Английский не ниже B2 для работы с международной документацией и стейкхолдерами. Будет плюсом: – Глубокий опыт работы с open-source LLM и самостоятельного развертывания моделей. – Опыт распределенного inference и оптимизации serving на нескольких GPU. – Опыт работы с multimodal LLM. – Понимание специфики нефтяной отрасли, трейдинга или смежных коммерческих процессов. Условия: График 5/2, комфортный офис (Москва-Сити, работа только в офисе, нет гибридного формата); Корпоративная программа ДМС после испытательного срока; Рабочие инструменты: ноутбук/ПК, мобильный телефон, корпоративная сим-карта; Высокий уровень дохода (обсуждается на собеседовании); Возможности развития, интересные задачи, отсутствие бюрократии. Почему стоит присоединиться к нам: Работа над передовыми ИИ-технологиями и созданием инновационных решений; Возможность влиять на архитектуру и логику будущих продуктов; Динамичная среда, где каждый твой анализ — шаг к реальному продукту. Если вы увлекаетесь технологиями, умеете «читать» бизнес и видеть в нём возможности для автоматизации — мы будем рады пообщаться подробнее!