AI R&D Engineer / ML Engineer (Python) (AI)

Локация: Таганрог, ул. Котлостроительная, 2–6; доступны удалённый, гибридный и офисный форматы. График 5/2, 10:00–18:00.

Компания

Полигонатор создаёт обучающие комплексы, интерактивные симуляции с реалистичной физикой и VR-тренажёры, включая AI-решения: аналитические и прогнозные модели, LLM-приложения и исследовательские прототипы.

Что делать

• Проектировать ML-пайплайны от подготовки данных до обучения, валидации и деплоя моделей.
• Проводить контролируемые эксперименты, воспроизводить научные статьи и адаптировать методы под задачи симуляций, тренажёров и физики.
• Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
• Оптимизировать инференс, включая батчинг, квантизацию, ONNX, vLLM, TGI и llama-cpp.
• Создавать мониторинг дрейфа данных и деградации качества, упаковывать исследования в прототипы и API для продакшена.
• Участвовать в планировании задач и архитектуры, предлагать технические решения и работать с Git, код-ревью и CI/CD.

Требования

• 1–3 года коммерческой разработки в ML/AI; уровень Middle или Middle+.
• Уверенный Python: чистый, тестируемый и воспроизводимый код, type hints, модули и venv; Git, ветки, ревью и базовое понимание CI.
• PyTest для юнит-тестов моделей и пайплайнов; уверенный SQL с JOIN, агрегациями и базовыми оконными функциями.
• Линейная алгебра, теория вероятностей, математическая статистика, метрики качества и валидация моделей, включая train/val/test, кросс-валидацию и стратификацию.
• Понимание переобучения, утечек данных, проверки гипотез, p-value и доверительных интервалов.
• Уверенный PyTorch: Dataset/DataLoader, обучение, валидация и работа с чекпоинтами; воспроизводимые пайплайны, seed, версионирование данных и конфигурирование экспериментов.
• Деплой моделей через FastAPI, версионирование и базовые канареечные релизы; мониторинг data drift, деградации качества и алертинг.
• Понимание MDP, experience replay, policy gradient и value-based методов; опыт обучения агентов в Isaac Lab, Gymnasium, PettingZoo или других симуляциях, векторизованных сред и sim-to-real transfer.
• Умение переводить бизнес-задачу в техническую постановку, объяснять результаты нетехническим стейкхолдерам и самостоятельно доводить задачи до результата.
• Опыт с pandas, NumPy, Hugging Face, W&B или MLflow, Docker, GitHub Actions или GitLab CI, Pydantic, Prometheus или Grafana, Redis и Postgres; базовые знания облачной инфраструктуры.
• Английский язык для чтения документации и научных статей.

Хорошо, если есть

• C/C++, Rust или Go для инфраструктурных задач и оптимизации.
• CUDA, DeepSpeed, Flash Attention, vLLM, Unreal Engine 5 или JAX.
• Доменная специализация в NLP, CV, графах или временных рядах.

Культура и преимущества

• Официальное трудоустройство, полностью белая заработная плата и социальный пакет по ТК РФ.
• ИТ-аккредитация компании.
• Современно оснащённый офис и комфортная рабочая атмосфера.
• Возможность участвовать в разработке AI-продуктов и реализовывать собственные технические решения.
• Заработная плата обсуждается индивидуально по итогам собеседования.