Эта вакансия в архиве
Посмотреть похожие вакансии ↓Описание вакансии
Текст:
TL;DR
ML-разработчик / Machine Learning Engineer (NLP): Разработка прикладного ML-продукта полного цикла — от анализа корпоративных данных и выбора архитектуры до создания моделей, backend API и промышленного сервиса с акцентом на регрессию, обработку текстов, embeddings, NLP и LLM/RAG. Focus on построении объяснимых прогнозов с оценкой уверенности, подготовке данных, сравнении классического ML и нейросетевых подходов, а также контейнеризации и интеграции с корпоративными системами.
Локация: Мурманск, Подгорная улица, 94; работа на месте работодателя
Зарплата: от 200 000 ₽ на руки в месяц
Компания
Галеон развивает прикладное ML-решение для анализа корпоративных данных и прогнозирования количественных показателей по описаниям работ и историческим данным.
Что делать
- Анализировать исторические данные из Excel, CSV и корпоративных информационных систем, выявлять зависимости и подготавливать обучающие выборки.
- Разрабатывать модели регрессии, классификации, ранжирования, поиска похожих объектов и сопоставления записей.
- Обрабатывать неструктурированные тексты: нормализовать описания, извлекать признаки, определять смысловую близость и объединять текстовые и числовые параметры.
- Сравнивать классический ML, градиентный бустинг, embeddings, NLP-модели, LLM/RAG и гибридные архитектуры.
- Создавать объяснимые прогнозы с оценкой уверенности модели и обработкой случаев с недостаточным количеством данных.
- Разрабатывать backend-сервис, API, хранение моделей и результатов, контейнеризацию и интеграции с корпоративными системами.
Требования
- От 1 года до 3 лет опыта разработки ML-решений.
- Уверенное владение Python, pandas, NumPy, scikit-learn и CatBoost, LightGBM, XGBoost или аналогичными библиотеками.
- Практический опыт работы с регрессией, классификацией, ранжированием, поиском похожих объектов, feature engineering, метриками и валидацией.
- Опыт работы с текстовыми данными, embeddings, semantic search, смысловой близостью текстов, LLM, RAG, vector search и structured output.
- Уверенная работа с Excel, CSV, SQL и PostgreSQL; опыт очистки, нормализации и подготовки корпоративных данных.
- Опыт разработки сервисов на FastAPI с REST API, Pydantic и SQLAlchemy, а также практический опыт работы с Docker, Docker Compose, Linux и Git.
Хорошо, если есть
- Опыт работы с Qdrant, pgvector, FAISS, Hugging Face Transformers или Sentence Transformers.
- Опыт использования локальных LLM, vLLM, llama.cpp и GPU NVIDIA.
- Опыт разработки RAG-систем и использования LangChain, LangGraph или аналогичных инструментов.
- Опыт работы с MLflow, DVC, MinIO, Langfuse, Streamlit и интеграции с 1С или Bitrix.
Культура и преимущества
- Оформление по ТК РФ.
- ДМС после прохождения испытательного срока.
- Пятидневная рабочая неделя: понедельник–четверг с 07:48 до 17:00, пятница с 07:48 до 16:12.
- Обеденный перерыв с 12:00 до 13:00.
- Оплата проезда к месту отдыха и обратно раз в два года.