ml engineer прикладных AI-решений

Компания развивает AI-лабораторию и создаёт прикладные AI- и ML-решения для реальных бизнес-задач. В команде работают с классическим машинным обучением, NLP и LLM, агентными системами, Computer Vision, речевыми и мультимодальными технологиями.

• Проектировать и разрабатывать ML-решения для прикладных бизнес-задач в направлениях классического ML, NLP/LLM, агентных сценариев, Computer Vision, речевых и мультимодальных технологий;
• Определять технический подход к задачам, выбирать модели и архитектуру решения, проводить эксперименты, сравнивать альтернативы и принимать решения с учётом качества, производительности, стоимости и ограничений эксплуатации;
• Вести ML-часть решения end-to-end: от анализа задачи и разработки прототипа до подготовки модели к inference, интеграции и промышленного запуска совместно с Backend- и MLOps-разработчиками;
• Разрабатывать подходы к оценке качества ML-систем, формировать метрики, evaluation-наборы и тестовые сценарии, проводить анализ ошибок и контролировать качество решений после запуска;
• Оптимизировать модели и ML-пайплайны по качеству, latency, throughput и потреблению вычислительных ресурсов;
• Участвовать в проектировании общей архитектуры решений и технической декомпозиции ML-задач;
• Проводить code review и помогать в развитии менее опытных разработчиков команды.

• От 4 лет коммерческого опыта разработки ML-решений на Python;
• Глубоко понимать методы машинного обучения и нейронных сетей, принципы обучения и валидации моделей, выбора метрик и анализа ошибок;
• Иметь сильный практический опыт хотя бы в одном направлении: NLP/LLM, Computer Vision, речевые технологии, классический ML или мультимодальные модели;
• Самостоятельно проектировать ML-решения от постановки задачи и выбора подхода до оценки результатов и подготовки решения к production;
• Иметь практический опыт работы с PyTorch и современными ML-библиотеками;
• Понимать полный жизненный цикл ML-систем: подготовку данных, эксперименты, обучение, evaluation, inference, deployment и мониторинг;
• Иметь опыт вывода ML-моделей или ML-сервисов в production и понимать требования к производительности, надёжности и воспроизводимости решений;
• Уметь быстро разбираться в новых моделях, подходах и предметных областях и выбирать технологию исходя из задачи;
• Иметь опыт взаимодействия с Backend-, Data- и MLOps-разработчиками;
• Иметь опыт принятия технических решений, проведения code review и декомпозиции сложных ML-задач;
• Будет плюсом опыт разработки production-систем на базе LLM, RAG или агентных подходов, включая tool calling, multi-step workflows и evaluation; опыт fine-tuning / PEFT и адаптации современных нейросетевых моделей; практический опыт более чем в одном ML-направлении; опыт работы с мультимодальными моделями; опыт оптимизации inference, включая GPU-нагрузки, batching, quantization и высоконагруженный model serving; знакомство с vLLM, Triton, SGLang или аналогичными inference-фреймворками; опыт работы с MLflow / ClearML, Docker и Kubernetes; опыт менторинга ML-разработчиков и технического лидерства в рамках проектов.

• Курсы и конференции для профессионального развития;
• Корпоративная техника;
• Возможность напрямую влиять на бизнес и видеть результаты работы;
• Корпоративные скидки и программы лояльности;
• ДМС.