ML-инженер
Описание
Департамент информационных технологий Москвы создает и развивает цифровые проекты, которые делают столицу комфортнее, а жизнь горожан — удобнее и мобильнее. Для системы управления столицей технологии — это незаменимый инструмент, который применяется во всех отраслях экономики, городского хозяйства и социальной сферы. А для миллионов горожан — повседневный помощник, который позволяет получать сотни услуг и сервисов в удобном цифровом формате в режиме 24/7. Мы развиваем цифрового ассистента внутри платформы MOS.RU - одного из ключевых городских цифровых каналов взаимодействия жителей с сервисами Москвы. Ассистент помогает пользователям быстрее находить информацию, получать услуги, решать жизненные ситуации и взаимодействовать с городскими сервисами через понятный диалоговый интерфейс. Наша задача - развивать ассистента как интеллектуальный продуктовый слой платформы: не просто чат или справочный интерфейс, а полноценный ИИ-продукт, встроенный в пользовательские сценарии MOS.RU, мобильных приложений и смежных городских сервисов. Что нужно делать: разрабатывать и улучшать LLM-классификацию пользовательских запросов: intent/domain classification, обработка неоднозначных и граничных сценариев участвовать в проработке и проверке ML/LLM-гипотез: выбирать подходы, проводить эксперименты и создавать прототипы разрабатывать и улучшать ML/LLM-модели и алгоритмы: повышать качество классификации, retrieval/RAG, reranking и других интеллектуальных компонентов продукта разрабатывать и доводить до промышленного использования ML/LLM-компоненты (RAG, LLM workflows, диалоговые агенты): писать качественный поддерживаемый код, интегрировать решения в продуктовые сервисы и оптимизировать их производительность и потребление ресурсов. Деплой и эксплуатация осуществляются совместно с MLOps-инженером настраивать и адаптировать LLM-модели под специфику данных кластера: запросы (prompt engineering), температурные режимы, техники few-shot/RAG и др. повышать качество и эффективность NLP/LLM-моделей в продуктовых сценариях проводить системный error analysis моделей, находить причины ошибок и улучшать модели, датасеты, признаки и алгоритмы на основе результатов оценки качества Какие знания и навыки важны: опыт решения задач классификации текстов / intent detection и понимание соответствующих метрик качества глубокое понимание современных архитектур и методов обучения языковых моделей (от классических методов до LLMных) для кастомных NLP задач практический опыт создания решений на базе LLM (prompt engineering, RAG, reasoning, agents и др.) умение аккуратно работать с существующей кодовой базой: разбираться в чужом коде, вносить изменения без нарушения текущих сценариев и учитывать обратную совместимость умение выполнять самостоятельно семантический поиск, работа с re-rankers и гибридными retrieval-механизмами (как пример: вектор + текстовый/графовый поиск) понимание методов оценки качества LLM (бенчмарки, human eval и др.) и метрик для различных NLP-задач практические навыки построения пайплайнов решений для NLP проектов опыт работы с векторными базами данных (Milvus/Qdrant/FAISS) Будет плюсом: практический опыт работы с ASR: распознавание речи, оценка качества и адаптация speech-моделей под продуктовые сценарии понимание принципов производительности ML-сервисов: latency, потребление CPU/RAM, поиск узких мест и оптимизация inference опыт создания web-сервисов (REST API, FastAPI, asyncio, gRPC), создание функциональных API и интеграции с бэкенд-сервисами Что предлагаем: официальное трудоустройство в аккредитованную ИТ-компанию график работы гибрид ежегодное премирование по результатам работы материальную помощь в случае важных событий в жизни корпоративное обучение у топовых провайдеров и доступ к онлайн-библиотеке скидки от партнеров на ДМС, связь, развлечения, подарки, спорт и т.д. корпоративные тренировки и спортивные активности - бег, футбол, волейбол, баскетбол, теннис и другие Стань частью команды ДИТ Москвы и воплощай в жизнь цифровые проекты столицы!