ML разработчик (LLM)

Вакансия ML разработчик

🟢Удаленно🟢Полная занятость
🟢ЗП обсуждается на собеседовании
🟢В компанию RedLab
#ds_ml

🟦Задачи
– Исследовать и применять математические и ML-методы для решения прикладных бизнес-задач, выбирать оптимальные алгоритмы под специфику данных и целей.
– Разрабатывать и обучать ML-модели (RecSys, модели оттока, Uplift, Propensity, NLP/NER, LLM/RAG-решения).
– Строить end-to-end ML-пайплайны: от проверки гипотез и анализа данных до обучения, валидации и выбора лучших моделей или ансамблей.
– Реализовывать production-ready решения: подготовка моделей к эксплуатации, оптимизация инференса (скорость, стабильность, масштабируемость).
– Интегрировать ML-решения в существующую ИТ-инфраструктуру (API, брокеры сообщений, хранилища данных).
– Оптимизировать производительность и масштабируемость ML-решений для высоконагруженных систем.
– Настраивать мониторинг технических и качественных метрик моделей.
– Взаимодействовать с инженерами, аналитиками и продуктовыми командами.

🟦Требования
– Опыт коммерческой разработки в области Machine Learning от 3 лет.
– Python — продвинутый уровень (от 5 лет), умение писать чистый и поддерживаемый production код (OOP, SOLID).
– Знание фреймворков FastAPI/Django/Flask
– Глубокое понимание теоретической базы ML: основные задачи, методы, метрики, математическая статистика и теория вероятностей.
– Практический опыт классического ML и бустингов: Scikit-learn, CatBoost, XGBoost, LightGBM.
– Опыт работы с deep learning и NLP: PyTorch, Hugging Face Transformers;
– Задачи NLP/NER, работа с текстовыми данными.
– Опыт построения и эксплуатации LLM- и RAG-пайплайнов.
– Практическая работа с LLM-инструментами и агентными фреймворками: LangChain, LangGraph (или аналогичные)
– Опыт подготовки моделей к продакшену:
Docker, CI/CD
– Хорошее знание Linux.
– Опыт работы с векторными базами данных: Pinecone/Weaviate/Qdrant/pgvector.
– Умение работать с брокерами сообщений (Kafka/RabbitMQ)
– Понимание принципов MLOps и мониторинга (включая Grafana).

🌐 Показать контакты