Инженер по машинному обучению для чат-ботов

Команда занимается разработкой и поддержкой внутрикорпоративных систем.

• Разрабатывать новых AI-агентов и развивать существующих на Python: диалоговые сценарии, маршрутизацию запросов, работу с контекстом и состоянием диалога
• Интегрировать LLM через API, настраивать промпты, структурированные ответы и вызовы инструментов
• Подключать AI-агентов к корпоративным сервисам и инструментам через REST API, MCP и A2A
• Разрабатывать и дорабатывать backend-компоненты AI-сервисов с использованием FastAPI или Flask
• Реализовывать скиллы агентов, обработку ошибок, логирование и проверку корректности выполнения действий
• Тестировать работу агентов, улучшать качество ответов, скорость и устойчивость интеграций
• Встраивать агентов в чат-бот

• Знакомство с FastAPI или Flask, HTTP/REST API, JSON и асинхронным программированием на Python
• Опыт использования SQLAlchemy
• Опыт взаимодействия с LLM через API; понимание промптов, контекстного окна, токенов и структурированного вывода
• Понимание принципов построения AI-агентов, tool calling и маршрутизации запросов; знакомство с назначением MCP и A2A
• Базовые знания ML/NLP: эмбеддинги, семантический поиск, оценка релевантности; опыт работы с одной из векторных БД (Qdrant, Weaviate или аналогичной)
• Представление о том, как оценивать качество LLM и агентов: корректность и релевантность ответов, качество вызова инструментов, задержки; базовое понимание поисковых метрик
• Навыки работы с Git, терминалом Linux и удалёнными серверами по SSH; умение читать логи и искать причины ошибок
• Знакомство с Docker, Redis и основами тестирования Python-приложений
• Будет плюсом: Знание основных практик безопасности LLM-приложений и AI-агентов: защита от prompt injection, безопасная обработка недоверенных данных, разграничение прав доступа к инструментам и предотвращение утечек конфиденциальной информации; Понимание основ MLOps/LLMOps: логирование и мониторинг, версионирование моделей и промптов, автоматизация тестирования и развёртывания AI-сервисов; Понимание принципов миграций схемы БД и знакомство с Alembic для управления изменениями моделей и структуры таблиц; Понимание архитектурных подходов к построению AI-систем: когда достаточно простого LLM-пайплайна, а когда оправдан агентный подход; применение кэширования, асинхронной обработки и разных стратегий оркестрации с учётом требований к качеству, производительности и надёжности; Понимание особенностей и ограничений LLM, типичных проблем при работе с контекстом, причин возникновения галлюцинаций и основных подходов к повышению качества и стабильности ответов; Знакомство с LangChain и LangGraph

• График работы 40 часов в неделю
• Развитие в командах профессионалов и опытный наставник, готовый делиться опытом
• Мобильная связь за счет компании
• Специальные предложения и скидки от продуктов экосистемы МТС
• Собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки)
• Спорт: онлайн зарядки, йога, дыхательные практики