Вакансия — ML-инженер

Мы — AI-студия, разрабатывающая интеллектуальные текстовые решения для бизнеса: от автоматизации клиентского сервиса до систем управления знаниями. Наши продукты ежедневно обрабатывают десятки тысяч обращений, и мы активно масштабируем применение LLM в продакшене. Команда — 15 инженеров и исследователей, плоская структура, быстрые циклы экспериментов.

Чем предстоит заниматься:

— Разрабатывать и внедрять NLP/LLM-решения полного цикла: от исследования и прототипирования до вывода в продакшен и мониторинга качества.

— Проектировать и развивать RAG-системы (включая Agentic RAG и GraphRAG): подбор стратегий retrieval, chunking, ранжирование, оценка качества генерации.

— Дообучать и адаптировать open-source LLM (Qwen, Llama, Mistral и аналоги) методами LoRA/QLoRA/SFT под задачи продукта.

— Разрабатывать и улучшать AI-агентов для консультации пользователей: проектирование цепочек вызовов, управление контекстом, обработка ошибок, fallback-стратегии.

— Строить пайплайны оценки качества LLM-решений: автоматические метрики, LLM-as-a-judge, симуляции диалогов, организация разметки.

— Решать прикладные NLP-задачи: классификация, кластеризация, суммаризация, семантический поиск, text matching.

— Оптимизировать инференс моделей: квантизация, работа с vLLM/TGI, профилирование и снижение латентности.

— Участвовать в проектировании ML-пайплайнов и поддержке ML-инфраструктуры совместно с командой.

— Взаимодействовать с продуктовой командой: переводить бизнес-задачи в ML-постановки, проводить A/B-тесты, оценивать влияние на бизнес-метрики.

Мы ожидаем:

— Опыт работы в NLP / Data Science от 2 лет.

— Практический опыт работы с LLM: дообучение, prompt engineering, развертывание в production.

— Опыт проектирования и внедрения RAG-систем, понимание механики работы на уровне компонентов.

— Уверенное владение Python на уровне продакшн-кода (asyncio, typing, тестирование).

— Опыт работы с PyTorch и библиотекой Transformers (HuggingFace).

— Опыт работы с LangChain / LangGraph или аналогичными фреймворками для LLM-приложений.

— Понимание архитектуры Transformer, механизмов attention, принципов работы современных LLM и их ограничений.

— Знание классического NLP и ML: tf-idf, embeddings, классификация, кластеризация, метрики качества.

— Опыт работы с векторными хранилищами (Qdrant, Milvus, pgvector, OpenSearch или аналоги).

— Уверенная работа с Linux, Git, Docker.

— SQL на уровне аналитических запросов.

— Умение готовить понятные отчеты и объяснять результаты нетехнической аудитории.

Будет преимуществом:

— Опыт обучения моделей на GPU-кластерах, понимание distributed training на базовом уровне (DDP/FSDP).

— Опыт работы с vLLM, TGI, Triton Inference Server.

— Опыт разработки агентских систем и мультиагентных архитектур.

— Опыт постановки задач на разметку и приемки результатов от асессоров.

— Опыт проведения и анализа A/B-тестов.

— Участие в ML/DS-соревнованиях (Kaggle и т.д.) или вклад в open-source проекты.

— Опыт работы с Apache Spark, Airflow, Kafka.

— Понимание принципов MLOps: версионирование моделей, воспроизводимость экспериментов, мониторинг.

Наш стек:

Python, PyTorch, Transformers, LangChain/LangGraph, vLLM, Docker, Git, PostgreSQL, ClickHouse, Redis, S3, FastAPI, Linux.

Условия:

— Удаленная работа или гибрид (на ваш выбор).

— Гибкое начало рабочего дня.

— Официальное оформление по ТК РФ.

— Конкурентная заработная плата с пересмотром по результатам.

— Бюджет на обучение и конференции.

— Команда, которая ценит эксперименты, обмен знаниями и инженерную культуру.