Ведущий разработчик AI (AI/ML)

Локация: Москва, метро Савёловская. Формат работы: удалённо или гибридно.

Компания

Магнит — розничная сеть, развивающая направление ускоренного прототипирования и внедрения AI/ML-решений для команды стратегии и аналитики.

Что делать

• Развивать ML/AI-компоненты для задач классического ML, NLP/LLM, RAG, агентных сценариев, компьютерного зрения, речевых и мультимодальных технологий.
• Проводить эксперименты с подготовкой данных, архитектурами и параметрами моделей, retrieval, reranking, промптами и логикой оркестрации.
• Подготавливать, очищать, размечать и анализировать текстовые, табличные, визуальные и аудиоданные.
• Разрабатывать пайплайны подготовки данных, обучения, inference и evaluation с версионированием, логированием и воспроизводимостью экспериментов.
• Оценивать качество решений, формировать evaluation-наборы, рассчитывать метрики и проводить анализ ошибок.
• Оптимизировать production-решения по качеству, latency, throughput, использованию GPU/CPU и стоимости, участвовать в интеграции, релизах и мониторинге.

Требования

• Высшее техническое образование или подтверждённый практический опыт разработки и внедрения ML/AI-решений.
• От 3 до 6 лет опыта, включая коммерческую разработку на Python от 2 лет или практический ML/AI-опыт от 1–2 лет при общем опыте разработки от 3 лет.
• Уверенное знание Python, NumPy, pandas, scikit-learn и практический опыт с PyTorch или аналогичным DL-фреймворком.
• Опыт хотя бы в одном направлении: классический ML, NLP, LLM/RAG, компьютерное зрение, речевые, рекомендательные или мультимодальные системы.
• Навыки SQL, реляционных баз данных, REST API, JSON, FastAPI, Docker, Linux, Git и CI/CD.
• Понимание полного жизненного цикла ML/AI-решений, GPU-инференса, метрик качества, воспроизводимых экспериментов и взаимодействия с Product-, Backend-, Data- и MLOps-разработчиками.

Хорошо, если есть

• Знание MLflow, ClearML, DVC или аналогичных инструментов управления экспериментами.

Культура и преимущества

• Работа над переводом бизнес-идей и POC в продуктовые решения, запускаемые в production.
• Удалённый или гибридный формат работы.
• Взаимодействие с командами стратегии, аналитики, разработки данных и MLOps.