ML-инженер
Описание
Привет! Я Никита Назаров, технический директор в HFLabs. Ищу ML-специалиста, который полностью займется исследованиями и разработкой решений на основе моделей для наших продуктов. Нам важно, чтобы у тебя был опыт разработки и внедрения моделей и чтобы разбирался в современных трендах. Примеры задач: Распознавание персональных данных в тексте для их последующего маскирования (ФИО, контакты, документы и т .п. в договорах, согласиях и т. д.); система рекомендации параметров для отбора оптимальных групп людей по различным характеристикам (пол, возраст, доход и т. п.) с целью проведения маркетинговых кампаний; "переводчик" запроса с человеческого языка в набор параметров/фильтров, либо готовый SQL-запрос; чат по структурированным и неструктурированным данным для ответа на пользовательские вопросы. Технический стек: Python, PyTorch, DSPy/OpenAI, Hugging Face Transformers, vLLM/llama.cpp, MLflow, PostgreSQL.Приложения, с которыми надо интегрироваться, написаны на Java/Go/Postgres, используют REST-интеграции. Чем предстоит заниматься: Выстраивание процесса и понятного потока работы с задачами и экспериментами, связанными с моделями; прототипирование и доведение своих решений до продакшна на Python; участие в обсуждении и выборе решения задач заказчика; подготовка и анализ имеющихся данных, описание требований по сбору новых; тюнинг существующих моделей, feature engineering, а также построение новых решений с нуля; деплой LLM on-prem и оптимизация инференса под задачи и железо; поддержка своих моделей: от написания запроса для выгрузки обучающей выборки из хранилищ данных до анализа результатов A/B-экспериментов и помощи с выводом в продакшн. Кто наш кандидат: Умеешь формулировать и проверять гипотезы; строил eval-пайплайны и бенчмарки; оптимизировал промпты и понимаешь, когда нужно переходить к тюнингу модели; дообучал языковые модели под конкретные задачи; работал с NLP: NER, классификация, разметка; выводил модели в продакшн, включая инференс LLM (vLLM, llama.cpp или аналоги), знаешь про латентность, батчинг, квантизацию и можешь рассказать про выбор оптимальных параметров инференса; работал с данными в SQL и Kafka и можешь сам написать выгрузку данных; понимаешь, как устроены трансформеры, и можешь выбрать подходящую модель под задачу; строил агентов, знаешь, когда нужен tools, а когда — skills, и знаешь, как справляться с растущим контекстом; знаешь, когда нужен RAG вместо агента, как искать документы и оценивать качество поиска. Дополнительным плюсом будет: Опыт работы с векторными базами данных; опыт работы с A/B-экспериментами; опыт self-supervised обучения; умеешь объяснить сложные концепты и трейд-оффы не ML-инженерам и не техническим стейкхолдерам; опыт с OCR. Что мы предлагаем: Конкурентную заработную плату; гибкое начало и окончание рабочего дня, удаленный или гибридный формат работы; тихий и просторный офис в центре Москвы в двух минутах пешком от м. Парк культуры; мощную технику для работы в офисе и дома; доступ к AI-инструментам для работы; ДМС с первого дня от Альфа Страхования; отсутствие бюрократии и горизонтальную структуру без десятка начальников; внутреннее обучение, курсы и конференции по специальности; команду единомышленников, с которой интересно не только работать, но и дружить, общаться, заниматься спортом и путешествовать.