Чётко описанная ML-роль включает работу с LLM, embeddings и поиском в production, но без зарплаты сложнее оценить условия оплаты.
Кликните для подробной информации
Зарплата не указанаСовременный стекПонятные задачиВлияние на продукт
Оценка от Hirify AI
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
Текст:
Hirify AI/Оригинал
TL;DR
AI/ML-инженер (LLM, embeddings, search): Подготовка датасетов, обучение и улучшение ML-моделей для поиска, классификации, matching, ranking и сопоставления товарных данных с акцентом на LLM, embedding-модели и production-интеграцию. Focus on разработку алгоритмов semantic search, проведение ML-экспериментов и PoC, работу с потоками данных Kafka и мониторинг качества моделей после запуска.
Локация: Москва; удалённый формат работы.
Компания
Разработка и внедрение ML-решений для задач поиска, сопоставления товарных данных и интеллектуальной обработки данных.
Что делать
Подготавливать датасеты для обучения и оценки ML-моделей, обучать, дообучать и улучшать модели.
Разрабатывать алгоритмы для поиска, классификации, matching, ranking и семантического поиска.
Решать задачи сопоставления товаров и предложений, поиска аналогов и категорий.
Работать с embedding-моделями и LLM, исследовать новые подходы, проводить PoC и внедрять успешные решения.
Реализовывать ML-решения на Python, интегрировать модели в сервисы и выводить их в production.
Работать с потоками данных и Kafka, мониторить качество и производительность моделей после запуска.
Требования
От 2 лет опыта в сфере ML/AI.
Уверенное владение Python и разработка production-ready кода.
Опыт обучения и дообучения ML-моделей, подготовки датасетов и проведения ML-экспериментов.
Опыт оценки качества моделей и понимание основных ML-метрик.
Опыт работы с LLM и/или embedding-моделями.
Опыт решения задач классификации, поиска, matching и ranking.
Готовность быстро разбираться в новых моделях, подходах и библиотеках.
Опыт вывода ML-решений в production.
Хорошо, если есть
Опыт работы с NLP, semantic search или vector search.
Знание подходов bi-encoder, cross-encoder и reranking.
Опыт работы с Hugging Face, PyTorch, Kafka и Docker.
Опыт fine-tuning LLM или embedding-моделей.
Опыт работы с большими каталогами товаров, в e-commerce или marketplace.
Опыт оптимизации inference, работы с GPU и построения систем мониторинга качества ML-моделей.
Знание SQL.
Культура и преимущества
Небольшая команда с высоким влиянием на технические решения.
Реальные production-задачи с возможностью доводить решения до внедрения.
Работа с LLM, embeddings, search и matching на стыке ML, backend и data.
Возможность видеть результат работы в продукте и участвовать в развитии ML-подходов.
Тесное взаимодействие с разработчиками, аналитиками и Product/Project Manager.
Удалённый формат работы.
Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →