ML/NLP Engineer (AI)

Локация: Москва, офис; после испытательного срока возможен гибридный формат

Зарплата: 150 000–250 000 ₽ на руки в месяц

Компания

Разработка собственной cloud-native платформы потоковой обработки данных и решений для текстового и сетевого анализа, работающих с большими объёмами данных.

Что делать

• Разрабатывать и дообучать Transformer-модели для классификации, суммаризации и извлечения сущностей.
• Создавать LLM-, RAG- и мультиагентные системы: retrieval, embeddings, генерация ответов и оценка качества.
• Разрабатывать пайплайны подготовки и обработки документов и OCR-данных.
• Проводить эксперименты, бенчмарки и анализ ошибок новых моделей и подходов.
• Интегрировать ML/LLM-модели в сервисы и асинхронные пайплайны, доводить решения до production.
• Участвовать в проектировании AI-архитектуры, оптимизации моделей и развитии внутренних AI-сервисов и MLOps-движка.

Требования

• Высшее техническое образование и от 1 года до 3 лет опыта.
• Уверенное владение Python и SQL, практический опыт в ML/NLP и работе с Transformer-моделями.
• Понимание устройства LLM и архитектуры RAG.
• Опыт работы с PyTorch и Hugging Face.
• Умение самостоятельно строить пайплайны подготовки данных, проводить эксперименты, оценивать качество моделей и анализировать ошибки.
• Опыт интеграции ML/LLM-решений в production.

Хорошо, если есть

• Опыт разработки LLM-агентов.
• Навыки fine-tuning и оптимизации моделей: квантование, дистилляция и ускорение инференса.
• Опыт работы с BI, DWH и корпоративными данными.
• Английский для чтения технической документации и научных статей.
• Способность самостоятельно вести задачу от уточнения требований до выкладки в production.

Культура и преимущества

• Официальное трудоустройство в аккредитованную ИТ-компанию по ТК РФ.
• График 5/2 с гибким началом рабочего дня.
• Работа в офисе в Москве; гибридный формат возможен после испытательного срока.
• В разработке используются GitLab, Kubernetes, ArgoCD, PostgreSQL, Elasticsearch, ClickHouse, Kafka/Pulsar, RabbitMQ и LGTM-стек.
• Для LLM-задач применяются LlamaIndex, vLLM и llama.cpp.